Buchumschlag

Deep Learning-Driven Prediction of Microstructure Evolution via Latent Space Interpolation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Gaikwad, Sachin, Kasilingam, Thejas, Ahmad, Owais, Mukherjee, Rajdip, Bhowmick, Somnath
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Materials Science Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Microstructural Studies Using Generative Adversarial Network (GAN): a Case Study
von: Ahmad, Owais, et al.
Veröffentlicht: (2025)

Multiscale Modeling of Abnormal Grain Growth: Role of Solute Segregation and Grain Boundary Character
von: Linda, Albert, et al.
Veröffentlicht: (2025)

Deep Learning Assisted Denoising of Experimental Micrographs
von: Ahmad, Owais, et al.
Veröffentlicht: (2025)

$μ$2mech: a Software Package Combining Microstructure Modeling and Mechanical Property Prediction
von: Linda, Albert, et al.
Veröffentlicht: (2023)

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

Effect of Cr Segregation on Grain Growth in Nanocrystalline α-Fe Alloy: A Multiscale Modelling Approach
von: Guin, Sandip, et al.
Veröffentlicht: (2024)

Physics Aware Representation Learning on Electronic Charge Density for Materials Property Prediction
von: Kumar, Kammampati Sai, et al.
Veröffentlicht: (2026)

Grain boundary grooving in thin film under the influence of an external magnetic field: A phase-field study
von: Bandyopadhyay, Soumya, et al.
Veröffentlicht: (2024)

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

Enhanced Hydrogen Evolution Activity of MOS$_2$-rGO Composite Synthesized via Hydrothermal Technique
von: Sebastian, Abhishek, et al.
Veröffentlicht: (2024)

Crack Path Prediction with Operator Learning using Discrete Particle System data Generation
von: Kiyani, Elham, et al.
Veröffentlicht: (2025)

Beyond Structure: Revolutionising Materials Discovery via AI-Driven Synthesis Protocol-Property Relationships
von: Lambard, Guillaume
Veröffentlicht: (2026)

High-fidelity Grain Growth Modeling: Leveraging Deep Learning for Fast Computations
von: Tep, Pungponhavoan, et al.
Veröffentlicht: (2025)

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

Space Group Equivariant Crystal Diffusion
von: Chang, Rees, 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)

CASCADE: Cumulative Agentic Skill Creation through Autonomous Development and Evolution
von: Huang, Xu, et al.
Veröffentlicht: (2025)

AI-Driven Expansion and Application of the Alexandria Database
von: Cavignac, Théo, et al.
Veröffentlicht: (2025)

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

AI-Driven Structure Refinement of X-ray Diffraction
von: Cao, Bin, et al.
Veröffentlicht: (2026)

A Space Group Symmetry Informed Network for O(3) Equivariant Crystal Tensor Prediction
von: Yan, Keqiang, et al.
Veröffentlicht: (2024)

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

Crystal Generation using the Fully Differentiable Pipeline and Latent Space Optimization
von: Ridwan, Osman Goni, et al.
Veröffentlicht: (2026)

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

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

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

Interplay between thermal and compositional gradients decides the microstructure during thermomigration: a phase-field study
von: Guin, Sandip, et al.
Veröffentlicht: (2024)

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

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

MatFormBench: A Benchmarking Evaluation Framework for Target-Driven Materials Formulation
von: Wu, Linhan, et al.
Veröffentlicht: (2026)

Transformer-Enhanced Variational Autoencoder for Crystal Structure Prediction
von: Chen, Ziyi, et al.
Veröffentlicht: (2025)

Meta-LegNet: A Transferable and Interpretable Framework for Surface Adsorption Prediction via Self-Defined Adsorption-Environment Learning
von: Li, Yifan, et al.
Veröffentlicht: (2026)

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

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

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

Multimodal Transformer for Sample-Aware Prediction of Metal-Organic Framework Properties
von: Han, Seunghee, et al.
Veröffentlicht: (2026)

Beyond Structure: Invariant Crystal Property Prediction with Pseudo-Particle Ray Diffraction
von: Cao, Bin, et al.
Veröffentlicht: (2025)

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

PDDFormer: Pairwise Distance Distribution Graph Transformer for Crystal Material Property Prediction
von: Shen, Xiangxiang, et al.
Veröffentlicht: (2024)

CrySPAI: A new Crystal Structure Prediction Software Based on Artificial Intelligence
von: Wang, Zongguo, et al.
Veröffentlicht: (2025)