Buchumschlag

Neural Network-Guided Symbolic Regression for Interpretable Descriptor Discovery in Perovskite Catalysts

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Xian, Yeming, Wang, Xiaoming, Yan, Yanfa
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Data Analysis, Statistics and Probability Materials Science Machine Learning Computational Physics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Machine Learning Models for Accurately Predicting Properties of CsPbCl3 Perovskite Quantum Dots
von: Çadırcı, Mehmet Sıddık, et al.
Veröffentlicht: (2024)

Selectivity- and Activity-Aware Catalyst Descriptors for CO$_2$ Hydrogenation on Alloy Nanocatalysts using Machine-Learned Force Fields
von: Pisal, Prajwal, et al.
Veröffentlicht: (2026)

Benchmarking Self-Driving Labs
von: Adesiji, Adedire D., et al.
Veröffentlicht: (2025)

Rapid optimization in high dimensional space by deep kernel learning augmented genetic algorithms
von: Valleti, Mani, et al.
Veröffentlicht: (2024)

Application of machine learning in grain-related clustering of Laue spots in a polycrystalline energy dispersive Laue pattern
von: Tosson, Amir, et al.
Veröffentlicht: (2024)

Physics-guided impact localisation and force estimation in composite plates with uncertainty quantification
von: Xiao, Dong, et al.
Veröffentlicht: (2025)

Physics-Informed Tree Search for High-Dimensional Computational Design
von: Banik, Suvo, et al.
Veröffentlicht: (2026)

Beyond empirical models: Discovering new constitutive laws in solids with graph-based equation discovery
von: Xu, Hao, et al.
Veröffentlicht: (2025)

SymbolFit: Automatic Parametric Modeling with Symbolic Regression
von: Tsoi, Ho Fung, et al.
Veröffentlicht: (2024)

Enhancing Reconstruction Capability of Wavelet Transform Amorphous Radial Distribution Function via Machine Learning Assisted Parameter Tuning
von: Senjaya, Deriyan, et al.
Veröffentlicht: (2025)

Boosting SISSO Performance on Small Sample Datasets by Using Random Forests Prescreening for Complex Feature Selection
von: Jiang, Xiaolin, et al.
Veröffentlicht: (2024)

Securing generative artificial intelligence with parallel magnetic tunnel junction true randomness
von: Bao, Youwei, et al.
Veröffentlicht: (2025)

Autonomous Probe Microscopy with Robust Bag-of-Features Multi-Objective Bayesian Optimization: Pareto-Front Mapping of Nanoscale Structure-Property Trade-Offs
von: Barakati, Kamyar, et al.
Veröffentlicht: (2026)

Training-set-free two-stage deep learning for spectroscopic data de-noising
von: Huang, Dongchen, et al.
Veröffentlicht: (2024)

Scalable Sparse Regression for Model Discovery: The Fast Lane to Insight
von: Golden, Matthew
Veröffentlicht: (2024)

Materials Expert-Artificial Intelligence for Materials Discovery
von: Liu, Yanjun, et al.
Veröffentlicht: (2023)

An information-matching approach to optimal experimental design and active learning
von: Kurniawan, Yonatan, et al.
Veröffentlicht: (2024)

Discovery of stable surfaces with extreme work functions by high-throughput density functional theory and machine learning
von: Schindler, Peter, et al.
Veröffentlicht: (2020)

Phase Retrieval of Highly Strained Bragg Coherent Diffraction Patterns using Supervised Convolutional Neural Network
von: Masto, Matteo, et al.
Veröffentlicht: (2025)

From Data to Laws: Neural Discovery of Conservation Laws Without False Positives
von: Ray, Rahul D
Veröffentlicht: (2026)

Fuzzy Neural Network Performance and Interpretability of Quantum Wavefunction Probability Predictions
von: Zanineli, Pedro H. M., et al.
Veröffentlicht: (2025)

Structured Kolmogorov-Arnold Neural ODEs for Interpretable Learning and Symbolic Discovery of Nonlinear Dynamics
von: Liu, Wei, et al.
Veröffentlicht: (2025)

PATHFINDER: Multi-objective discovery in structural and spectral spaces
von: Barakati, Kamyar, et al.
Veröffentlicht: (2026)

Learnability Window in Gated Recurrent Neural Networks
von: Livi, Lorenzo
Veröffentlicht: (2025)

Link Statistics of Dislocation Network during Strain Hardening
von: Akhondzadeh, Sh., et al.
Veröffentlicht: (2025)

Active Learning with Fully Bayesian Neural Networks for Discontinuous and Nonstationary Data
von: Ziatdinov, Maxim
Veröffentlicht: (2024)

Efficient Training of Deep Neural Operator Networks via Randomized Sampling
von: Karumuri, Sharmila, et al.
Veröffentlicht: (2024)

Data-driven Progressive Discovery of Physical Laws
von: Xia, Mingkun, et al.
Veröffentlicht: (2026)

Generalized Algorithm for Recognition of Complex Point Defects in Large-Scale β-$\rm {Ga_2O_3}$
von: Yan, Mengzhi, et al.
Veröffentlicht: (2024)

Turning Time Series into Algebraic Equations: Symbolic Machine Learning for Interpretable Modeling of Chaotic Time Series
von: Panja, Madhurima, et al.
Veröffentlicht: (2026)

Accelerating Hamiltonian Monte Carlo for Bayesian Inference in Neural Networks and Neural Operators
von: Thiagarajan, Ponkrshnan, et al.
Veröffentlicht: (2025)

Reservoir Static Property Estimation Using Nearest-Neighbor Neural Network
von: Wang, Yuhe
Veröffentlicht: (2024)

Dichotomy of Feature Learning and Unlearning: Fast-Slow Analysis on Neural Networks with Stochastic Gradient Descent
von: Imai, Shota, et al.
Veröffentlicht: (2026)

Encoder-Decoder Neural Networks in Interpretation of X-ray Spectra
von: Passilahti, Jalmari, et al.
Veröffentlicht: (2024)

Temporal Graph Neural Networks for Early Anomaly Detection and Performance Prediction via PV System Monitoring Data
von: Mukherjee, Srijani, et al.
Veröffentlicht: (2025)

Estimation of material parameter uncertainties using probabilistic and interval approaches
von: Most, Thomas
Veröffentlicht: (2024)

Introduction to Symbolic Regression in the Physical Sciences
von: Bartlett, Deaglan J., et al.
Veröffentlicht: (2025)

Solving the inverse problem of X-ray absorption spectroscopy via physics-informed deep learning
von: Zhong, Suyang, et al.
Veröffentlicht: (2026)

Imaging 3D Chemistry at 1 nm Resolution with Fused Multi-Modal Electron Tomography
von: Schwartz, Jonathan, et al.
Veröffentlicht: (2023)

ViPErLEED package I: Calculation of $I(V)$ curves and structural optimization
von: Kraushofer, Florian, et al.
Veröffentlicht: (2024)