Buchumschlag

A Graph Neural Network for the Era of Large Atomistic Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhang, Duo, Peng, Anyang, Cai, Chun, Li, Wentao, Zhou, Yuanchang, Zeng, Jinzhe, Guo, Mingyu, Zhang, Chengqian, Li, Bowen, Jiang, Hong, Zhu, Tong, Jia, Weile, Zhang, Linfeng, Wang, Han
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computational Physics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

LAMBench: A Benchmark for Large Atomistic Models
von: Peng, Anyang, et al.
Veröffentlicht: (2025)

Multi-Task Fine-Tuning Enables Robust Out-of-Distribution Generalization in Atomistic Models
von: Zhang, Chengqian, et al.
Veröffentlicht: (2026)

DPA4: Pushing the Accuracy-Cost Frontier of Interatomic Potentials with EMFA SO(2) Convolution
von: Li, Tiancheng, et al.
Veröffentlicht: (2026)

Scaling Machine Learning Interatomic Potentials with Mixtures of Experts
von: Liu, Yuzhi, et al.
Veröffentlicht: (2026)

Exploring Landscapes for Better Minima along Valleys
von: Zhao, Tong, et al.
Veröffentlicht: (2025)

CrystalREPA: Transferring Physical Priors from Universal MLIPs to Crystal Generative Models
von: Zhang, Chengqian, et al.
Veröffentlicht: (2026)

Scaling Neural-Network-Based Molecular Dynamics with Long-Range Electrostatic Interactions to 51 Nanoseconds per Day
von: Li, Jianxiong, et al.
Veröffentlicht: (2025)

MatRIS: Toward Reliable and Efficient Pretrained Machine Learning Interatomic Potentials
von: Zhou, Yuanchang, et al.
Veröffentlicht: (2026)

Compact SO(3) Equivariant Atomistic Foundation Models via Structural Pruning
von: Wang, Chen, et al.
Veröffentlicht: (2026)

The OpenLAM Challenges
von: Peng, Anyang, et al.
Veröffentlicht: (2025)

Large-scale Neural Network Quantum States for ab initio Quantum Chemistry Simulations on Fugaku
von: Xu, Hongtao, et al.
Veröffentlicht: (2025)

FastCHGNet: Training one Universal Interatomic Potential to 1.5 Hours with 32 GPUs
von: Zhou, Yuanchang, et al.
Veröffentlicht: (2024)

Unfolding an Atomistic World: Atomistic Simulation of Reactor Pressure Vessel Steel Across Year-and-Meter Scales
von: Han, Haozhi, et al.
Veröffentlicht: (2026)

DPA-2: a large atomic model as a multi-task learner
von: Zhang, Duo, et al.
Veröffentlicht: (2023)

Atomistic modelling of all dislocations and twins in HCP and BCC Ti
von: Wen, Tongqi, et al.
Veröffentlicht: (2022)

Identifying topological excitonic insulators via bulk-edge correspondence
von: Qu, Hongwei, et al.
Veröffentlicht: (2024)

Learning Multiplex Representations on Text-Attributed Graphs with One Language Model Encoder
von: Jin, Bowen, et al.
Veröffentlicht: (2023)

CubeGraph: Efficient Retrieval-Augmented Generation for Spatial and Temporal Data
von: Yang, Mingyu, et al.
Veröffentlicht: (2026)

GraphKV: Breaking the Static Selection Paradigm with Graph-Based KV Cache Eviction
von: Li, Xuelin, et al.
Veröffentlicht: (2025)

Scaling Laws of Graph Neural Networks for Atomistic Materials Modeling
von: Li, Chaojian, et al.
Veröffentlicht: (2025)

Distributed Finite-time Differentiator for Multi-agent Systems Under Directed Graph
von: Chen, Weile, et al.
Veröffentlicht: (2024)

Relativistic mean-field study of the neutron star inner crust using the asymmetric finite difference method
von: Zhang, Jinzhe, et al.
Veröffentlicht: (2026)

Dflow, a Python framework for constructing cloud-native AI-for-Science workflows
von: Liu, Xinzijian, et al.
Veröffentlicht: (2024)

ToolTok: Tool Tokenization for Efficient and Generalizable GUI Agents
von: Wang, Xiaoce, et al.
Veröffentlicht: (2026)

SCAResNet: A ResNet Variant Optimized for Tiny Object Detection in Transmission and Distribution Towers
von: Li, Weile, et al.
Veröffentlicht: (2024)

A Survey of AIOps in the Era of Large Language Models
von: Zhang, Lingzhe, et al.
Veröffentlicht: (2025)

Solving Unit Commitment Problems with Graph Neural Network based Initial Commitment Prediction and Large Neighborhood Search
von: Yang, Linfeng, et al.
Veröffentlicht: (2025)

Harnessing AtomisticSkills for Agentic Atomistic Research
von: Deng, Bowen, et al.
Veröffentlicht: (2026)

Magnetoelectric effect of multiferroic metals
von: Han, Zefei, et al.
Veröffentlicht: (2025)

Neural Network Graph Similarity Computation Based on Graph Fusion
von: Chang, Zenghui, et al.
Veröffentlicht: (2025)

Decentralized Finite‐Time Adaptive Neural Output‐Feedback Quantized Control for Switched Nonlinear Large‐Scale Delayed Systems
von: Zhenhua Li, et al.
Veröffentlicht: (2024)

Graph spatial sampling
von: Li‐Chun Zhang
Veröffentlicht: (2024)

A Survey of AIOps for Failure Management in the Era of Large Language Models
von: Zhang, Lingzhe, et al.
Veröffentlicht: (2024)

Automating Computational Chemistry Workflows via OpenClaw and Domain-Specific Skills
von: Ding, Mingwei, et al.
Veröffentlicht: (2026)

Electronic and Optical Properties of Ta$_2$NiSe$_5$ Monolayer: A First-principles Study
von: Guo, Miaomiao, et al.
Veröffentlicht: (2024)

Graph Condensation for Open-World Graph Learning
von: Gao, Xinyi, et al.
Veröffentlicht: (2024)

Study on preparation and properties of polyacrylonitrile/jute microcrystalline cellulose ultrafiltration membranes
von: Xing Li, et al.
Veröffentlicht: (2024)

Atomistic Insights into the Ionic Response and Mechanism of Antifouling Zwitterionic Polymer Brushes
von: Xinzhong Song, et al.
Veröffentlicht: (2024)

DeePMD-kit v3: A Multiple-Backend Framework for Machine Learning Potentials
von: Zeng, Jinzhe, et al.
Veröffentlicht: (2025)

Certified Defense on the Fairness of Graph Neural Networks
von: Dong, Yushun, et al.
Veröffentlicht: (2023)