:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Tep, Pungponhavoan, Bernacki, Marc
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Materials Science Artificial Intelligence
Online-Zugang:	https://arxiv.org/abs/2505.05354
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Predicting Grain Growth Evolution Under Complex Thermal Profiles with Deep Learning through Thermal Descriptor Modulation
von: Tep, Pungponhavoan, et al.
Veröffentlicht: (2026)

Predicting Grain Growth in Polycrystalline Materials Using Deep Learning Time Series Models
von: Younes, Eliane, et al.
Veröffentlicht: (2025)

High-fidelity level-set modeling of polycrystalline grain growth
von: Li, Tianchi, et al.
Veröffentlicht: (2026)

High-fidelity level-set modeling of diffusive solid-state phase transformations for polycrystalline materials
von: Chandrappa, Nitish, et al.
Veröffentlicht: (2024)

Vertex and front-tracking methods for the modeling of microstructure evolution at the solid state: a brief review
von: Bernacki, Marc
Veröffentlicht: (2025)

High-fidelity modeling of interface crossing in the diffusion welding process at the polycrystalline scale
von: Godinot, Camille, et al.
Veröffentlicht: (2025)

LLaMP: Large Language Model Made Powerful for High-fidelity Materials Knowledge Retrieval and Distillation
von: Chiang, Yuan, et al.
Veröffentlicht: (2024)

Parameter-aware high-fidelity microstructure generation using stable diffusion
von: Phan, Hoang Cuong, et al.
Veröffentlicht: (2025)

Particle pinning during grain growth -- A new analytical model for predicting the mean limiting grain size but also grain size heterogeneity in a 2D polycrystalline context
von: Bignon, Madeleine, et al.
Veröffentlicht: (2024)

An accurate and robust level-set formulation for multiple junction kinetics
von: Li, Tianchi, et al.
Veröffentlicht: (2025)

Deep Learning Models for Colloidal Nanocrystal Synthesis
von: Gu, Kai, et al.
Veröffentlicht: (2024)

Deep Learning-Driven Prediction of Microstructure Evolution via Latent Space Interpolation
von: Gaikwad, Sachin, et al.
Veröffentlicht: (2025)

Residual Connection-Enhanced ConvLSTM for Lithium Dendrite Growth Prediction
von: Lee, Hosung, et al.
Veröffentlicht: (2025)

Teaching Artificial Intelligence to Perform Rapid, Resolution-Invariant Grain Growth Modeling via Fourier Neural Operator
von: Peivaste, Iman, et al.
Veröffentlicht: (2025)

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

High-Throughput Computational Screening and Interpretable Machine Learning of Metal-organic Frameworks for Iodine Capture
von: Tan, Haoyi, et al.
Veröffentlicht: (2025)

Toward Autonomous Computational Catalysis Research via Agentic Systems
von: Chen, Honghao, et al.
Veröffentlicht: (2026)

OmniXAS: A Universal Deep-Learning Framework for Materials X-ray Absorption Spectra
von: Kharel, Shubha R., et al.
Veröffentlicht: (2024)

Geometric and Topological Deep Learning for Predicting Thermo-mechanical Performance in Cold Spray Deposition Process Modeling
von: Mishra, Akshansh
Veröffentlicht: (2026)

LLM-Driven Discovery of High-Entropy Catalysts via Retrieval-Augmented Generation
von: Scientists, AI, et al.
Veröffentlicht: (2026)

InfinityEBSD : Metrics-Guided Infinite-Size EBSD Map Generation With Diffusion Models
von: Labady, Sterley, 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)

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

Siamese Foundation Models for Crystal Structure Prediction
von: Wu, Liming, et al.
Veröffentlicht: (2025)

Learning Metal Microstructural Heterogeneity through Spatial Mapping of Diffraction Latent Space Features
von: Calvat, Mathieu, et al.
Veröffentlicht: (2025)

LLM-Guided Open Hypothesis Learning from Autonomous Scanning Probe Microscopy Experiments
von: Slautin, Boris, et al.
Veröffentlicht: (2026)

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

MATAI: A Generalist Machine Learning Framework for Property Prediction and Inverse Design of Advanced Alloys
von: Deng, Yanchen, et al.
Veröffentlicht: (2025)

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

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

ToPolyAgent: AI Agents for Coarse-Grained Topological Polymer Simulations
von: Ding, Lijie, et al.
Veröffentlicht: (2025)

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

Leveraging Vision Capabilities of Multimodal LLMs for Automated Data Extraction from Plots
von: Polak, Maciej P., et al.
Veröffentlicht: (2025)

BOOM: Benchmarking Out-Of-distribution Molecular Property Predictions of Machine Learning Models
von: Antoniuk, Evan R., et al.
Veröffentlicht: (2025)

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

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

From Experiments to Expertise: Scientific Knowledge Consolidation for AI-Driven Computational Research
von: Huang, Haonan
Veröffentlicht: (2026)

SLayerGen: a Crystal Generative Model for all Space and Layer Groups
von: Chang, Rees, et al.
Veröffentlicht: (2026)

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

Predicting Scale-Up of Metal-Organic Framework Syntheses with Large Language Models
von: Walther, Peter, et al.
Veröffentlicht: (2026)