Buchumschlag

Graph Neural Networks to Predict Coercivity of Hard Magnetic Microstructures

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Moustafa, Heisam, Kovacs, Alexander, Fischbacher, Johann, Gusenbauer, Markus, Ali, Qais, Breth, Leoni, Schrefl, Thomas, Oezelt, Harald
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

Modeling liquid-mediated interactions for close-to-substrate magnetic microparticle transport in dynamic magnetic field landscapes
von: Gusenbauer, Markus, et al.
Veröffentlicht: (2025)

Tailoring the material properties, nanostructure and grain alignment of Alnico magnets through micromagnetic simulations
von: Stanciu, Anda Elena, et al.
Veröffentlicht: (2026)

Effect of interface on magnetic exchange coupling in Co/Ru/Co trilayer: from ab-initio simulations to micromagnetics
von: Arapan, Sergiu, et al.
Veröffentlicht: (2025)

Physics aware machine learning for micromagnetic energy minimization: recent algorithmic developments
von: Schaffer, Sebastian, et al.
Veröffentlicht: (2024)

Graphs Unveiled: Graph Neural Networks and Graph Generation
von: Kovács, László, et al.
Veröffentlicht: (2024)

Altermagnetic-Like Behavior and Enhanced Coercivity in Ferrimagnets at a Critical Point of an Extended Néel-Diagram
von: Ali, Qais, et al.
Veröffentlicht: (2026)

Life at the Boundary of Chemical Kinetics and Program Execution
von: Fischbacher, Thomas
Veröffentlicht: (2025)

Oeffentlich-private Finanzierung von Infrastruktur in Entwicklungslaendern und deren Beitrag zur Armutsreduktion
von: Gusenbauer, Bianca
Veröffentlicht: (2019)

Der Beitrag der Prospect Theory zur Beschreibung und Erklaerung von Servicequalitaetsurteilen und Kundenzufriedenheit im Kontext von Versicherungsentscheidungen
von: Gusenbauer, Birgit
Veröffentlicht: (2019)

Searchsmart.org: Guiding researchers to the best databases and search systems for systematic reviews and beyond
von: Michael Gusenbauer
Veröffentlicht: (2024)

Beyond Google Scholar, Scopus, and Web of Science: An evaluation of the backward and forward citation coverage of 59 databases' citation indices
von: Michael Gusenbauer
Veröffentlicht: (2024)

Temperature-Enhanced Coercive Field by Chiral Molecules
von: Kapon, Yael, et al.
Veröffentlicht: (2024)

Graph Neural Networks for Surfactant Multi-Property Prediction
von: Brozos, Christoforos, et al.
Veröffentlicht: (2024)

Hybrid-Quantum Neural Architecture Search for The Proximal Policy Optimization Algorithm
von: Zada, Moustafa
Veröffentlicht: (2025)

High Magnetic Sensitivity at the Coercive Field Induced by Shear Horizontal SAW in Polycrystalline FeGa Films
von: Aguilera, Juan Diego, et al.
Veröffentlicht: (2025)

Predicting the Temperature Dependence of Surfactant CMCs Using Graph Neural Networks
von: Brozos, Christoforos, et al.
Veröffentlicht: (2024)

Predicting the Temperature-Dependent CMC of Surfactant Mixtures with Graph Neural Networks
von: Brozos, Christoforos, et al.
Veröffentlicht: (2024)

Boosting Coercivity of 3D Printed Hard Magnets through Nano‐Modification of the Powder Feedstock
von: Philipp Gabriel, et al.
Veröffentlicht: (2024)

Graph Neural Networks for Temperature-Dependent Activity Coefficient Prediction of Solutes in Ionic Liquids
von: Rittig, Jan G., et al.
Veröffentlicht: (2022)

Magnetic Alloy/Ferrite cavities
von: Klingbeil, Harald
Veröffentlicht: (2012)

Accurate Machine Learning Predictions of Coercivity in High-Performance Permanent Magnets
von: Bhandari, Churna, et al.
Veröffentlicht: (2023)

Predictive Modeling and Equation Formulation for 3D‐Printed Reinforced Concrete Beams
von: Paschal Chimeremeze Chiadighikaobi, et al.
Veröffentlicht: (2026)

Experimentally Accurate Graph Neural Network Predictions of Core-Electron Binding Energies
von: Fouda, Adam E. A., et al.
Veröffentlicht: (2026)

Thermodynamics-Consistent Graph Neural Networks
von: Rittig, Jan G., et al.
Veröffentlicht: (2024)

Thickness Dependence of Coercive Field in Ferroelectric Doped-Hafnium Oxide
von: Koduru, Revanth, et al.
Veröffentlicht: (2025)

A Neural Network Transformer Model for Composite Microstructure Homogenization
von: Pitz, Emil, et al.
Veröffentlicht: (2023)

Spin-Dependent Graph Neural Network Potential for Magnetic Materials
von: Yu, Hongyu, et al.
Veröffentlicht: (2022)

Slow propagation velocities in Schrödinger operators with large periodic potential
von: Abdul-Rahman, Houssam, et al.
Veröffentlicht: (2024)

Remote-sensing based control of 3D magnetic fields using machine learning for in-operando applications
von: Sandoval, Miguel A. Cascales, et al.
Veröffentlicht: (2024)

Neural Networks for Vehicle Routing Problem
von: Kovács, László, et al.
Veröffentlicht: (2024)

Distributed Equivariant Graph Neural Networks for Large-Scale Electronic Structure Prediction
von: Kaniselvan, Manasa, et al.
Veröffentlicht: (2025)

Graph Neural Networks in the Wilson Loop Representation of Abelian Lattice Gauge Theories
von: Rayat, Ali, et al.
Veröffentlicht: (2026)

Origin of Interstitial Doping Induced Coercive Field Reduction in Ferroelectric Hafnia
von: Zhu, Tianyuan, et al.
Veröffentlicht: (2024)

Hybrid Quantum Graph Neural Network for Molecular Property Prediction
von: Vitz, Michael, et al.
Veröffentlicht: (2024)

Sharp Polynomial Velocity Decay Bounds for Multidimensional Periodic Schrödinger Operators
von: Abdul-Rahman, Houssam, et al.
Veröffentlicht: (2025)

Predicting the von Neumann Entanglement Entropy Using a Graph Neural Network
von: Saleh, Anas
Veröffentlicht: (2025)

Feature Prediction in Quantum Graph Recurrent Neural Networks with Applications in Information Hiding
von: Kaldari, Jawaher, et al.
Veröffentlicht: (2025)

Equivariant Graph Neural Networks for Prediction of Tensor Material Properties of Crystals
von: Heilman, Alex, et al.
Veröffentlicht: (2024)

Short Note on Spin Magnetization in QGP
von: Steinmetz, Andrew, et al.
Veröffentlicht: (2025)

Output Prediction of Quantum Circuits based on Graph Neural Networks
von: Liu, Yuxiang, et al.
Veröffentlicht: (2025)