Buchumschlag

Language Models for Materials Discovery and Sustainability: Progress, Challenges, and Opportunities

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Pei, Zongrui, Yin, Junqi, Zhang, Jiaxin
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Materials Science
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Sustainable Materials Discovery in the Era of Artificial Intelligence
von: Mannan, Sajid, et al.
Veröffentlicht: (2026)

Towards Computational Microscope of Chemical Order-Disorder via ML-Accelerated Monte Carlo Simulation
von: Zhou, Fanli, et al.
Veröffentlicht: (2026)

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

Challenges and Opportunities in Searching for Rashba-Dresselhaus Materials for Efficient Spin-Charge Interconversion at Room Temperature
von: Wang, Zixu, et al.
Veröffentlicht: (2024)

From Natural Language to Materials Discovery:The Materials Knowledge Navigation Agent
von: Zhuang, Genmao, et al.
Veröffentlicht: (2026)

Large Language Models for Superconductor Discovery
von: Itani, Suman, et al.
Veröffentlicht: (2025)

Perovskite Nanocrystals as Emerging Single-Photon Emitters: Progress, Challenges, and Opportunities
von: Ryu, Jehyeok, et al.
Veröffentlicht: (2025)

Enhancing Magnetocaloric Material Discovery: A Machine Learning Approach Using an Autogenerated Database by Large Language Models
von: Yuan, Jiaoyue, et al.
Veröffentlicht: (2024)

Elemental Reactivity Maps for Materials Discovery
von: Inada, Yuki, et al.
Veröffentlicht: (2024)

A Chemically Grounded Evaluation Framework for Generative Models in Materials Discovery
von: Veillon, Elohan, et al.
Veröffentlicht: (2025)

TXL Fusion: A Hybrid Machine Learning Framework Integrating Chemical Heuristics and Large Language Models for Topological Materials Discovery
von: Ullah, Arif, et al.
Veröffentlicht: (2025)

Illustrating an Effective Workflow for Accelerated Materials Discovery
von: Mulukutla, Mrinalini, et al.
Veröffentlicht: (2024)

AI-Driven Accelerated Discovery of Intercalation-type Cathode Materials for Magnesium Batteries
von: Chen, Wenjie, et al.
Veröffentlicht: (2024)

Multimodal Foundation Models for Material Property Prediction and Discovery
von: Moro, Viggo, et al.
Veröffentlicht: (2023)

Bgolearn: a Unified Bayesian Optimization Framework for Accelerating Materials Discovery
von: Cao, Bin, et al.
Veröffentlicht: (2026)

Enhancing Materials Discovery with Valence Constrained Design in Generative Modeling
von: Cheng, Mouyang, et al.
Veröffentlicht: (2025)

Generative Chemical Language Models for Energetic Materials Discovery
von: Salij, Andrew, et al.
Veröffentlicht: (2026)

Role of Large Language Models and Retrieval-Augmented Generation for Accelerating Crystalline Material Discovery: A Systematic Review
von: Oche, Agada Joseph, et al.
Veröffentlicht: (2025)

A Geometry-Adaptive Deep Variational Framework for Phase Discovery in the Landau-Brazovskii Model
von: Xie, Yuchen, et al.
Veröffentlicht: (2026)

"DIVE" into Hydrogen Storage Materials Discovery with AI Agents
von: Zhang, Di, et al.
Veröffentlicht: (2025)

A Physics-Informed Chemical Rule for Topological Materials Discovery
von: Xu, Xinyu, et al.
Veröffentlicht: (2026)

Agentic AI and Machine Learning for Accelerated Materials Discovery and Applications
von: Chen, Jihua, et al.
Veröffentlicht: (2026)

Symmetry Relation Database and Its Application to Ferroelectric Materials Discovery
von: Zhu, Qiang, et al.
Veröffentlicht: (2022)

A Synthesizability-Guided Pipeline for Materials Discovery
von: Prein, Thorben, et al.
Veröffentlicht: (2025)

Structural Constraint Integration in Generative Model for Discovery of Quantum Material Candidates
von: Okabe, Ryotaro, et al.
Veröffentlicht: (2024)

Crystallographic Challenges in Microscopy of Multidomain Spinel Materials
von: Scherz, Ninon, et al.
Veröffentlicht: (2026)

Decoratypes: An Extensible Crystal Taxonomy for Machine Learning-Guided Materials Discovery
von: Miller, Kyle D., et al.
Veröffentlicht: (2025)

Causal Discovery from Data Assisted by Large Language Models
von: Barakati, Kamyar, et al.
Veröffentlicht: (2025)

Discovery of 2D Materials via Symmetry-Constrained Diffusion Model
von: Xu, Shihang, et al.
Veröffentlicht: (2024)

Progress and Prospects in Two-Dimensional Magnetism of van der Waals Materials
von: Ahn, Youngjun, et al.
Veröffentlicht: (2024)

Foundation-Model Surrogates Enable Data-Efficient Active Learning for Materials Discovery
von: Hu, Jeffrey, et al.
Veröffentlicht: (2026)

Large Language Model-Driven Database for Thermoelectric Materials
von: Itani, Suman, et al.
Veröffentlicht: (2024)

Random Combinatorial Libraries and Automated Nanoindentation for High-Throughput Structural Materials Discovery
von: Chawla, Vivek, et al.
Veröffentlicht: (2025)

Beyond Predicted ZT: Machine Learning Strategies for the Experimental Discovery of Thermoelectric Materials
von: Athar, Shoeb, et al.
Veröffentlicht: (2026)

Accelerating Cathode Material Discovery through Ab Initio Random Structure Searching
von: Zhu, Bonan, et al.
Veröffentlicht: (2021)

Reconstructing Materials Tetrahedron: Challenges in Materials Information Extraction
von: Hira, Kausik, et al.
Veröffentlicht: (2023)

Magnetic Anisotropy in Two-dimensional van der Waals Magnetic Materials and Their Heterostructures: Importance, Mechanisms, and Opportunities
von: Hou, Yusheng, et al.
Veröffentlicht: (2025)

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

A Universal Spin-Orbit-Coupled Hamiltonian Model for Accelerated Quantum Material Discovery
von: Zhong, Yang, et al.
Veröffentlicht: (2025)

The Language of Hyperelastic Materials
von: Kissas, Georgios, et al.
Veröffentlicht: (2024)