Global Stress Generation and Spatiotemporal Super-Resolution Physics-Informed Operator under Dynamic Loading for Two-Phase Random Materials

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Xing, Tengfei, Ren, Xiaodan, Li, Jie
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Materials Science Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Predicting Stress in Two-phase Random Materials and Super-Resolution Method for Stress Images by Embedding Physical Information
von: Xing, Tengfei, et al.
Veröffentlicht: (2025)

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

Generative Discovery of Magnetic Insulators under Competing Physical Constraints
von: Zeng, Qiulin, et al.
Veröffentlicht: (2026)

Probabilistic Phase Labeling and Lattice Refinement for Autonomous Material Research
von: Chang, Ming-Chiang, et al.
Veröffentlicht: (2023)

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

PhononBench:A Large-Scale Phonon-Based Benchmark for Dynamical Stability in Crystal Generation
von: Han, Xiao-Qi, et al.
Veröffentlicht: (2025)

AI-Driven Phase Identification from X-ray Hyperspectral Imaging of cycled Na-ion Cathode Materials
von: Adrar, Fayçal, et al.
Veröffentlicht: (2026)

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

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

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

Design Topological Materials by Reinforcement Fine-Tuned Generative Model
von: Xu, Haosheng, et al.
Veröffentlicht: (2025)

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

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

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

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

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

Machine Learning - Driven Materials Discovery: Unlocking Next-Generation Functional Materials - A review
von: Nematov, Dilshod, et al.
Veröffentlicht: (2025)

From Phase Prediction to Phase Design: A ReAct Agent Framework for High-Entropy Alloy Discovery
von: Peivaste, Iman, et al.
Veröffentlicht: (2026)

Physics-Informed Long-Range Coulomb Correction for Machine-learning Hamiltonians
von: Zhong, Yang, et al.
Veröffentlicht: (2026)

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

Physics Informed Generative AI Enabling Labour Free Segmentation For Microscopy Analysis
von: Zahran, Salma, et al.
Veröffentlicht: (2026)

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

Artificial Intelligence in Concrete Materials: A Scientometric View
von: Li, Zhanzhao, et al.
Veröffentlicht: (2022)

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

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

MatPilot: an LLM-enabled AI Materials Scientist under the Framework of Human-Machine Collaboration
von: Ni, Ziqi, et al.
Veröffentlicht: (2024)

Aligning Reasoning LLMs for Materials Discovery with Physics-aware Rejection Sampling
von: Hyun, Lee, et al.
Veröffentlicht: (2025)

AI-accelerated Discovery of Altermagnetic Materials
von: Gao, Ze-Feng, et al.
Veröffentlicht: (2023)

Dynamic In-context Learning with Conversational Models for Data Extraction and Materials Property Prediction
von: Ekuma, Chinedu
Veröffentlicht: (2024)

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)

POINT$^{2}$: A Polymer Informatics Training and Testing Database
von: Xu, Jiaxin, et al.
Veröffentlicht: (2025)

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

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

Adaptive AI decision interface for autonomous electronic material discovery
von: Dai, Yahao, et al.
Veröffentlicht: (2025)

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

Born-Qualified: An Autonomous Framework for Deploying Advanced Energy and Electronic Materials
von: Spurgeon, Steven R., et al.
Veröffentlicht: (2026)

Property Prediction of Stacked Bilayer Materials: A Multimodal Learning Approach
von: Vuong, An, et al.
Veröffentlicht: (2026)

LLM Meets Diffusion: A Hybrid Framework for Crystal Material Generation
von: Khastagir, Subhojyoti, et al.
Veröffentlicht: (2025)

DiffSyn: A Generative Diffusion Approach to Materials Synthesis Planning
von: Pan, Elton, et al.
Veröffentlicht: (2025)