Buchumschlag

douka: A universal platform of data assimilation for materials modeling

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Watanabe, Aoi, Sato, Ryuhei, Kinefuchi, Ikuya, Shibuta, Yasushi
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Materials Science Computational Physics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Universal platform of point-gap topological phases from topological materials
von: Nakamura, Daichi, et al.
Veröffentlicht: (2023)

Screening of material defects using universal machine-learning interatomic potentials
von: Berger, Ethan, et al.
Veröffentlicht: (2025)

Competing Hydrogenation Pathways to Metastable CaH$_6$ Revealed by Machine-Learning-Potential Molecular Dynamics
von: Sato, Ryuhei, et al.
Veröffentlicht: (2026)

Polymorphic crystallites model for monolayer amorphous materials
von: Zhu, Le-Ye, et al.
Veröffentlicht: (2026)

MADAS -- A Python framework for assessing similarity in materials-science data
von: Kuban, Martin, et al.
Veröffentlicht: (2024)

Advances in modeling complex materials: The rise of neuroevolution potentials
von: Ying, Penghua, et al.
Veröffentlicht: (2025)

A complete phase-field fracture model for brittle materials subjected to thermal shocks
von: Zeng, Bo, et al.
Veröffentlicht: (2026)

Practical deviational particle method for variance reduction in polyatomic gas DSMC simulations
von: Shiraishi, Takehiro, et al.
Veröffentlicht: (2024)

Universal materials model of deep-learning density functional theory Hamiltonian
von: Wang, Yuxiang, et al.
Veröffentlicht: (2024)

What can machine learning help with microstructure-informed materials modeling and design?
von: Peng, Xiang-Long, et al.
Veröffentlicht: (2024)

Algorithmic differentiation for plane-wave DFT: materials design, error control and learning model parameters
von: Schmitz, Niklas Frederik, et al.
Veröffentlicht: (2025)

Generalizing the structural phase field crystal approach for modeling solid-liquid-vapor phase transformations in pure materials
von: Coelho, Daniel L., et al.
Veröffentlicht: (2024)

Accelerating active learning materials discovery with FAIR data and workflows: a case study for alloy melting temperatures
von: Harwani, Mohnish, et al.
Veröffentlicht: (2024)

Pre-training, fine-tuning, and distillation (PFD): Automatically generating machine learning force fields from universal models
von: Wang, Ruoyu, et al.
Veröffentlicht: (2025)

A tomographic interpretation of structure-property relations for materials discovery
von: Ortega-Ochoa, Raul, et al.
Veröffentlicht: (2025)

Tensor-involved peridynamics: A unified framework for isotropic and anisotropic materials
von: Tian, Hao, et al.
Veröffentlicht: (2024)

Generative deep learning for the inverse design of materials
von: Long, Teng, et al.
Veröffentlicht: (2024)

Compressing and forecasting atomic material simulations with descriptors
von: Swinburne, Thomas D
Veröffentlicht: (2023)

A universal material model subroutine for soft matter systems
von: Peirlinck, Mathias, et al.
Veröffentlicht: (2024)

First-principles screening of materials with extreme effective masses
von: Błazucki, Szymon, et al.
Veröffentlicht: (2025)

MAMBO: a lightweight ontology for multiscale materials and applications
von: Piane, Fabio Le, et al.
Veröffentlicht: (2024)

A critical assessment of bonding descriptors for predicting materials properties
von: Naik, Aakash Ashok, et al.
Veröffentlicht: (2026)

A comparative study of transformer models and recurrent neural networks for path-dependent composite materials
von: Uvdal, Petter, et al.
Veröffentlicht: (2026)

Exploring the magnetic landscape of easily-exfoliable two-dimensional materials
von: Haddadi, Fatemeh, et al.
Veröffentlicht: (2025)

Electrostatic interactions in atomistic and machine-learned potentials for polar materials
von: Monacelli, Lorenzo, et al.
Veröffentlicht: (2024)

Guidelines for accurate and efficient calculations of mobilities in two-dimensional materials
von: Zhou, Jiaqi, et al.
Veröffentlicht: (2024)

Beyond surfaces: quantifying internal radiative heat transport in dense materials
von: Tiwari, Janak, et al.
Veröffentlicht: (2025)

Phase field cohesive zone modeling for fatigue crack propagation in quasi-brittle materials
von: Baktheer, A., et al.
Veröffentlicht: (2024)

Direction-aware topological descriptors for Young's modulus prediction in porous materials
von: Topolnicki, Rafał, et al.
Veröffentlicht: (2026)

Wenzhou TE: a first-principles calculated thermoelectric materials database
von: Fang, Ying, et al.
Veröffentlicht: (2024)

Surface Magnetization in Antiferromagnets: Classification, example materials, and relation to magnetoelectric responses
von: Weber, Sophie F., et al.
Veröffentlicht: (2023)

Influence of the microstructure on the mechanical behavior of nanoporous materials under large strains
von: Chandrasekaran, Rajesh, et al.
Veröffentlicht: (2024)

Coarse-grained crystal graph neural networks for reticular materials design
von: Korolev, Vadim, et al.
Veröffentlicht: (2023)

Inelastic Constitutive Kolmogorov-Arnold Networks: A generalized framework for automated discovery of interpretable inelastic material models
von: Ji, Chenyi, et al.
Veröffentlicht: (2026)

Enhancing composition-based materials property prediction by cross-modal knowledge transfer
von: Rubtsov, Ivan, et al.
Veröffentlicht: (2025)

Reference compositions for bismuth telluride thermoelectric materials for low-temperature power generation
von: Kumari, Nirma, et al.
Veröffentlicht: (2025)

An empirical formulation of accelerated molecular dynamics for simulating and predicting microstructure evolution in materials
von: Wan, Liang, et al.
Veröffentlicht: (2025)

Electron-phonon coupling in magnetic materials using the local spin density approximation
von: Álvarez, Á. A. Carrasco, et al.
Veröffentlicht: (2025)

Cerium doped graphene-based materials towards oxygen reduction reaction catalysis
von: Lucchetti, Lanna E. B., et al.
Veröffentlicht: (2025)

Unconventional compensated magnetic material LaMn$_2$SbO$_6$
von: Hou, Xiao-Yao, et al.
Veröffentlicht: (2025)