Weiter zum Inhalt
Universidad del Mar SIBUMAR Descubridor Institucional UMAR
  • Inicio
  • Búsqueda avanzada
  • Explorar
  • Login
    • English
    • Deutsch
    • Español
    • Français
    • Italiano
Erweitert
  • A practical guide to machine learning interatomic potentials -- Status and future
Buchumschlag

A practical guide to machine learning interatomic potentials -- Status and future

Fuente: arXiv
Gespeichert in:
Bibliographische Detailangaben
Hauptverfasser: Jacobs, Ryan, Morgan, Dane, Attarian, Siamak, Meng, Jun, Shen, Chen, Wu, Zhenghao, Xie, Clare Yijia, Yang, Julia H., Artrith, Nongnuch, Blaiszik, Ben, Ceder, Gerbrand, Choudhary, Kamal, Csanyi, Gabor, Cubuk, Ekin Dogus, Deng, Bowen, Drautz, Ralf, Fu, Xiang, Godwin, Jonathan, Honavar, Vasant, Isayev, Olexandr, Johansson, Anders, Kozinsky, Boris, Martiniani, Stefano, Ong, Shyue Ping, Poltavsky, Igor, Schmidt, KJ, Takamoto, So, Thompson, Aidan, Westermayr, Julia, Wood, Brandon M.
Format: Preprint
Veröffentlicht: 2025
Schlagworte:
Materials Science
Machine Learning
Online-Zugang:
Acceder al recurso
Tags: Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
  • Zitieren
  • SMS versenden
  • Als E-Mail versenden
  • Drucken
  • Datensatz exportieren
    • Exportieren nach RefWorks
    • Exportieren nach EndNoteWeb
    • Exportieren nach EndNote
  • Zu den Favoriten
  • Persistenter Link
  • Exemplare
  • Beschreibung
  • Kommentare
  • Ähnliche Einträge
  • Internformat

Online

https://arxiv.org/abs/2503.09814

Ähnliche Einträge

  • Knowing when to trust machine-learned interatomic potentials
    von: Mehdi, Shams, et al.
    Veröffentlicht: (2026)
  • Scaling (Down) CLIP: A Comprehensive Analysis of Data, Architecture, and Training Strategies
    von: Li, Zichao, et al.
    Veröffentlicht: (2024)
  • Machine Learning Potential Powered Insights into the Mechanical Stability of Amorphous Li-Si Alloys
    von: Wei, Zixiong, et al.
    Veröffentlicht: (2024)
  • Mechanistic Insights into the Oxygen Evolution Reaction on Nickel-Doped Barium Titanate via Machine Learning-Accelerated Simulations
    von: Boonpalit, Kajjana, et al.
    Veröffentlicht: (2024)
  • Bayesian Neural Networks versus deep ensembles for uncertainty quantification in machine learning interatomic potentials
    von: Farris, Riccardo, et al.
    Veröffentlicht: (2025)
Universidad del Mar
Universidad del MarSistema Bibliotecario de la Universidad del MarDescubridor Institucional UMARImplementación y desarrollo: Mtro. Carlos Alonso Albores Pérez
InicioBúsqueda avanzadaExplorar
Visitas al Descubridor: 33,245© 2026 Universidad del Mar