Buchumschlag

Design Topological Materials by Reinforcement Fine-Tuned Generative Model

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Xu, Haosheng, Qian, Dongheng, Liu, Zhixuan, Jiang, Yadong, Wang, Jing
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Materials Science Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Predicting Many Crystal Properties via an Adaptive Transformer-based Framework
von: Xu, Haosheng, et al.
Veröffentlicht: (2024)

AIMatDesign: Knowledge-Augmented Reinforcement Learning for Inverse Materials Design under Data Scarcity
von: Yu, Yeyong, et al.
Veröffentlicht: (2025)

MatterTune: An Integrated, User-Friendly Platform for Fine-Tuning Atomistic Foundation Models to Accelerate Materials Simulation and Discovery
von: Kong, Lingyu, et al.
Veröffentlicht: (2025)

TopoMAS: Large Language Model Driven Topological Materials Multiagent System
von: Zhang, Baohua, et al.
Veröffentlicht: (2025)

Discovering two-dimensional magnetic topological insulators by machine learning
von: Xu, Haosheng, et al.
Veröffentlicht: (2023)

A Generation Framework with Strict Constraints for Crystal Materials Design
von: Huang, Chao, et al.
Veröffentlicht: (2024)

Materials Generation in the Era of Artificial Intelligence: A Comprehensive Survey
von: Li, Zhixun, et al.
Veröffentlicht: (2025)

Reinforcement Fine-Tuning for Materials Design
von: Cao, Zhendong, et al.
Veröffentlicht: (2025)

Interaction Topological Transformer for Multiscale Learning in Porous Materials
von: Chen, Dong, et al.
Veröffentlicht: (2025)

Generative Hierarchical Materials Search
von: Yang, Sherry, et al.
Veröffentlicht: (2024)

Interpretable Nanoporous Materials Design with Symmetry-Aware Networks
von: Zhou, Zhenhao, et al.
Veröffentlicht: (2025)

Agentic Design of Compositional Descriptors via Autoresearch for Materials Science Applications
von: Cobelli, Matteo, et al.
Veröffentlicht: (2026)

LLMatDesign: Autonomous Materials Discovery with Large Language Models
von: Jia, Shuyi, et al.
Veröffentlicht: (2024)

QMBench: A Research Level Benchmark for Quantum Materials Research
von: Wang, Yanzhen, et al.
Veröffentlicht: (2025)

Fine-Tuning Vision-Language Models for Multimodal Polymer Property Prediction
von: Vuong, An, et al.
Veröffentlicht: (2025)

Language-Native Materials Processing Design by Lightly Structured Text Database and Reasoning Large Language Model
von: Liu, Yuze, et al.
Veröffentlicht: (2025)

PRISMat: Policy-Driven, Permutation-Invariant Autoregressive Material Generation
von: Schlesinger, Claire, et al.
Veröffentlicht: (2026)

Towards Agentic Intelligence for Materials Science
von: Zhang, Huan, et al.
Veröffentlicht: (2026)

AGAPI-Agents: An Open-Access Agentic AI Platform for Accelerated Materials Design on AtomGPT.org
von: Lee, Jaehyung, et al.
Veröffentlicht: (2025)

DREAMS: Density Functional Theory Based Research Engine for Agentic Materials Simulation
von: Wang, Ziqi, et al.
Veröffentlicht: (2025)

Isolated nearly flat higher Chern band in monolayer transition metal trihalides
von: Bao, Kejie, et al.
Veröffentlicht: (2024)

From Text to Test: AI-Generated Control Software for Materials Science Instruments
von: Fébba, Davi M, et al.
Veröffentlicht: (2024)

Flexible, Model-Agnostic Method for Materials Data Extraction from Text Using General Purpose Language Models
von: Polak, Maciej P., et al.
Veröffentlicht: (2023)

Artificial Intelligence and Generative Models for Materials Discovery -- A Review
von: Handoko, Albertus Denny, et al.
Veröffentlicht: (2025)

Vector Field Oriented Diffusion Model for Crystal Material Generation
von: Klipfel, Astrid, et al.
Veröffentlicht: (2023)

MatFormBench: A Benchmarking Evaluation Framework for Target-Driven Materials Formulation
von: Wu, Linhan, et al.
Veröffentlicht: (2026)

DISO: A Domain Ontology for Modeling Dislocations in Crystalline Materials
von: Ihsan, Ahmad Zainul, et al.
Veröffentlicht: (2024)

Data-Driven Learnability Transition of Measurement-Induced Entanglement
von: Qian, Dongheng, et al.
Veröffentlicht: (2025)

Coupling Language Models with Physics-based Simulation for Synthesis of Inorganic Materials
von: Staley, Edward W., et al.
Veröffentlicht: (2026)

Revealing Superconducting Chiral Edge Modes via Resistance Distributions
von: Huang, Linghao, et al.
Veröffentlicht: (2025)

The Rise of Generative AI for Metal-Organic Framework Design and Synthesis
von: Duan, Chenru, et al.
Veröffentlicht: (2025)

From Data to Theory: Autonomous Large Language Model Agents for Materials Science
von: Alfred, Samuel Onimpa, et al.
Veröffentlicht: (2026)

An Agentic Framework for Autonomous Metamaterial Modeling and Inverse Design
von: Lu, Darui, et al.
Veröffentlicht: (2025)

Research Paradigm of Materials Science Tetrahedra with Artificial Intelligence
von: Zhang, Shiyun, et al.
Veröffentlicht: (2026)

MSP-LLM: A Unified Large Language Model Framework for Complete Material Synthesis Planning
von: Noh, Heewoong, et al.
Veröffentlicht: (2026)

FlowLLM: Flow Matching for Material Generation with Large Language Models as Base Distributions
von: Sriram, Anuroop, et al.
Veröffentlicht: (2024)

Toward Greater Autonomy in Materials Discovery Agents: Unifying Planning, Physics, and Scientists
von: Zhou, Lianhao, et al.
Veröffentlicht: (2025)

From Knowledge to Action: Outcomes of the 2025 Large Language Model (LLM) Hackathon for Applications in Materials Science and Chemistry
von: Roy, Aritra, et al.
Veröffentlicht: (2026)

An Agentic Framework for Autonomous Materials Computation
von: Xia, Zeyu, et al.
Veröffentlicht: (2025)

Open Materials 2024 (OMat24) Inorganic Materials Dataset and Models
von: Barroso-Luque, Luis, et al.
Veröffentlicht: (2024)