Buchumschlag

A Benchmark Dataset for Machine Learning Surrogates of Pore-Scale CO2-Water Interaction

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Abdellatif, Alhasan, Menke, Hannah P., Maes, Julien, Elsheikh, Ahmed H., Doster, Florian
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Chemical Physics Machine Learning Computational Physics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

A Deep-Learning Iterative Stacked Approach for Prediction of Reactive Dissolution in Porous Media
von: Cirne, Marcos, et al.
Veröffentlicht: (2025)

Feature-Modulated UFNO for Improved Prediction of Multiphase Flow in Porous Media
von: Abdellatif, Alhasan, et al.
Veröffentlicht: (2025)

Local Padding in Patch-Based GANs for Seamless Infinite-Sized Texture Synthesis
von: Abdellatif, Alhasan, et al.
Veröffentlicht: (2023)

Transferability of datasets between Machine-Learning Interaction Potentials
von: Niblett, Samuel P., et al.
Veröffentlicht: (2024)

Surrogate Functionals for Machine-Learned Orbital-Free Density Functional Theory
von: Remme, Roman, et al.
Veröffentlicht: (2026)

Dataset Distillation for Machine Learning Force Field in Phase Transition Regime
von: Chen, Ruiyang, et al.
Veröffentlicht: (2026)

Accuracy and Efficiency Benchmarks of Pretrained Machine Learning Potentials for Molecular Simulations
von: Eastman, Peter, et al.
Veröffentlicht: (2026)

CO$_2$ and NO$_2$ Formation on Amorphous Solid Water
von: Upadhyay, Meenu, et al.
Veröffentlicht: (2024)

CO2 Hydration at the Air-Water Interface: A Surface-Mediated 'In and Out' Mechanism
von: Brookes, Samuel G. H., et al.
Veröffentlicht: (2025)

Enhanced Representation-Based Sampling for the Efficient Generation of Datasets for Machine-Learned Interatomic Potentials
von: Schäfer, Moritz René, et al.
Veröffentlicht: (2026)

Probabilistic Upscaling of Hydrodynamics in Geological Fractures Under Uncertainty
von: Perez, Sarah, et al.
Veröffentlicht: (2026)

Another Angle on Benchmarking Noncovalent Interactions
von: Fishman, Vladimir, et al.
Veröffentlicht: (2024)

Developing a Machine-Learning Interatomic Potential for Non-Covalent Interactions in Proteins
von: Zeng, Lejia, et al.
Veröffentlicht: (2026)

Understanding the Density Maximum of Water with Machine Learned Potentials
von: Song, Yizhi, et al.
Veröffentlicht: (2026)

Flexible Framework for Surface Hopping: From Hybrid Schemes for Machine Learning to Benchmarkable Nonadiabatic Dynamics
von: Martinka, Jakub, et al.
Veröffentlicht: (2025)

Enhanced Prediction of CO2 Solubility under Geological Conditions for CCUS via Improved Pitzer Parameters and Physics-Informed Machine Learning
von: Latrach, Abdeldjalil, et al.
Veröffentlicht: (2025)

Machine Learning Accelerated Descriptor Design for Catalyst Discovery in CO$_2$ to Methanol Conversion
von: Pisal, Prajwal, et al.
Veröffentlicht: (2024)

A Unified Pore-Scale Multiphysics Model for the Integrated Soot Transport-Deposition-Oxidation in Catalytic Diesel Particulate Filters
von: Zhang, Yujing, et al.
Veröffentlicht: (2025)

Towards Large-Scale Condensed Phase Simulations using Machine Learned Energy Functions
von: Boittier, Eric D., et al.
Veröffentlicht: (2025)

Accelerated Surface Hopping via Scaling the Spin--Orbit Coupling: Opportunities for Machine Learning
von: Martinka, Jakub, et al.
Veröffentlicht: (2026)

A Machine-Learned Symbolic Committor for a Chemical Reaction: Retinal Isomerization
von: Töpfer, Kai, et al.
Veröffentlicht: (2026)

Quantum-Accurate Conformational Stabilities and Vibrational Dynamics in Molecules and Proteins with Machine-Learned Force Fields
von: Suárez-Dou, Sergio, et al.
Veröffentlicht: (2026)

Towards Linearly Scaling and Chemically Accurate Global Machine Learning Force Fields for Large Molecules
von: Kabylda, Adil, et al.
Veröffentlicht: (2022)

Scaling Machine Learning Interatomic Potentials with Mixtures of Experts
von: Liu, Yuzhi, et al.
Veröffentlicht: (2026)

HORM: A Large Scale Molecular Hessian Database for Optimizing Reactive Machine Learning Interatomic Potentials
von: Cui, Taoyong, et al.
Veröffentlicht: (2025)

Machine Learning Multiscale Interactions
von: Solé, Àlex, et al.
Veröffentlicht: (2026)

Machine Learning-Assisted Surrogate Modeling with Multi-Objective Optimization and Decision-Making of a Steam Methane Reforming Reactor
von: Nabavi, Seyed Reza, et al.
Veröffentlicht: (2025)

Ab Initio Melting Properties of Water and Ice from Machine Learning Potentials
von: Li, Yifan, et al.
Veröffentlicht: (2025)

Numerically Exact Configuration Interaction at Quadrillion-Determinant Scale
von: Shayit, Agam, et al.
Veröffentlicht: (2025)

To Pair or not to Pair? Machine-Learned Explicitly-Correlated Electronic Structure for NaCl in Water
von: O'Neill, Niamh, et al.
Veröffentlicht: (2023)

Isotope Effects in 2D correlation infrared Spectra of Water: HEOM Analysis of Molecular Dynamics-Based Machine Learning Models
von: Park, Kwanghee, et al.
Veröffentlicht: (2026)

QCell: Comprehensive Quantum-Mechanical Dataset Spanning Diverse Biomolecular Fragments
von: Kabylda, Adil, et al.
Veröffentlicht: (2025)

Completely Multipolar Model as a General Framework for Many-Body Interactions as Illustrated for Water
von: Heindel, Joseph P., et al.
Veröffentlicht: (2024)

Machine Learning Wavefunction
von: Battaglia, Stefano
Veröffentlicht: (2022)

Completely Multipolar Model for Many-Body Water-Ion and Ion-Ion Interactions
von: Heindel, J. P., et al.
Veröffentlicht: (2024)

Doppler dual-comb coherent Raman spectromicroscopy
von: Schweizer, Florian M., et al.
Veröffentlicht: (2026)

Resolving the Nature of the Lowest-Frequency Raman Mode of Liquid Water
von: Pabst, Florian, et al.
Veröffentlicht: (2025)

Quantum simulation of CO$_2$ chemisorption in an amine-functionalized metal-organic framework
von: Owens, Jonathan R., et al.
Veröffentlicht: (2025)

AI-Powered Surrogate Modelling for Multiscale Combustion: A Critical Review and Opportunities
von: Shateri, Amirali, et al.
Veröffentlicht: (2026)

Thermophysical Properties and Phase Behavior of CO2 with Impurities: Insight from Molecular Simulations
von: Raju, Darshan, et al.
Veröffentlicht: (2025)