Buchumschlag

LFaB: Low fidelity as Bias for Active Learning in the chemical configuration space

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Vinod, Vivin, Zaspel, Peter
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Chemical Physics Artificial Intelligence Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Assessing Non-Nested Configurations of Multifidelity Machine Learning for Quantum-Chemical Properties
von: Vinod, Vivin, et al.
Veröffentlicht: (2024)

Investigating Data Hierarchies in Multifidelity Machine Learning for Excitation Energies
von: Vinod, Vivin, et al.
Veröffentlicht: (2024)

QeMFi: A Multifidelity Dataset of Quantum Chemical Properties of Diverse Molecules
von: Vinod, Vivin, et al.
Veröffentlicht: (2024)

Benchmarking Data Efficiency in $Δ$-ML and Multifidelity Models for Quantum Chemistry
von: Vinod, Vivin, et al.
Veröffentlicht: (2024)

Multi-Fidelity Machine Learning for Excited State Energies of Molecules
von: Vinod, Vivin, et al.
Veröffentlicht: (2023)

Optimized Multifidelity Machine Learning for Quantum Chemistry
von: Vinod, Vivin, et al.
Veröffentlicht: (2023)

Conditional Normalizing Flows for Active Learning of Coarse-Grained Molecular Representations
von: Schopmans, Henrik, et al.
Veröffentlicht: (2024)

Revealing the Relationship Between Publication Bias and Chemical Reactivity with Contrastive Learning
von: Gao, Wenhao, et al.
Veröffentlicht: (2024)

Physics-informed active learning for accelerating quantum chemical simulations
von: Hou, Yi-Fan, et al.
Veröffentlicht: (2024)

An ab initio foundation model of wavefunctions that accurately describes chemical bond breaking
von: Foster, Adam, et al.
Veröffentlicht: (2025)

Pre-trained knowledge elevates large language models beyond traditional chemical reaction optimizers
von: MacKnight, Robert, et al.
Veröffentlicht: (2025)

Projected Hessian Learning: Fast Curvature Supervision for Accurate Machine-Learning Interatomic Potentials
von: Rodriguez, Austin, et al.
Veröffentlicht: (2026)

Quantum-Inspired Machine Learning for Molecular Docking
von: Shu, Runqiu, et al.
Veröffentlicht: (2024)

Intelligent Chemical Purification Technique Based on Machine Learning
von: Wu, Wenchao, et al.
Veröffentlicht: (2024)

Evaluation of uncertainty estimations for Gaussian process regression based machine learning interatomic potentials
von: Holzenkamp, Matthias, et al.
Veröffentlicht: (2024)

AIM: Adaptive Intervention for Deep Multi-task Learning of Molecular Properties
von: Minot, Mason, et al.
Veröffentlicht: (2025)

DeepMech: A Machine Learning Framework for Chemical Reaction Mechanism Prediction
von: Das, Manajit, et al.
Veröffentlicht: (2025)

Molecular Dynamics and Machine Learning Unlock Possibilities in Beauty Design -- A Perspective
von: Xu, Yuzhi, et al.
Veröffentlicht: (2024)

MolFusion: Multimodal Fusion Learning for Molecular Representations via Multi-granularity Views
von: Cai, Muzhen, et al.
Veröffentlicht: (2024)

E3x: $\mathrm{E}(3)$-Equivariant Deep Learning Made Easy
von: Unke, Oliver T., et al.
Veröffentlicht: (2024)

Excitation Energy Transfer between Porphyrin Dyes on a Clay Surface: A study employing Multifidelity Machine Learning
von: Lyu, Dongyu, et al.
Veröffentlicht: (2024)

ReactAIvate: A Deep Learning Approach to Predicting Reaction Mechanisms and Unmasking Reactivity Hotspots
von: Hoque, Ajnabiul, et al.
Veröffentlicht: (2024)

Infrared Spectra Prediction for Diazo Groups Utilizing a Machine Learning Approach with Structural Attention Mechanism
von: Liu, Chengchun, et al.
Veröffentlicht: (2024)

TransPeakNet: Solvent-Aware 2D NMR Prediction via Multi-Task Pre-Training and Unsupervised Learning
von: Li, Yunrui, et al.
Veröffentlicht: (2024)

On the design space between molecular mechanics and machine learning force fields
von: Wang, Yuanqing, et al.
Veröffentlicht: (2024)

MultiModal-Learning for Predicting Molecular Properties: A Framework Based on Image and Graph Structures
von: Wang, Zhuoyuan, et al.
Veröffentlicht: (2023)

Electron-Informed Coarse-Graining Molecular Representation Learning for Real-World Molecular Physics
von: Na, Gyoung S., et al.
Veröffentlicht: (2026)

HybridLinker: Topology-Guided Posterior Sampling for Enhanced Diversity and Validity in 3D Molecular Linker Generation
von: Hwang, Minyeong, et al.
Veröffentlicht: (2025)

A Transformer Model for Predicting Chemical Products from Generic SMARTS Templates with Data Augmentation
von: Ozer, Derin, et al.
Veröffentlicht: (2025)

Generative Modeling Enables Molecular Structure Retrieval from Coulomb Explosion Imaging
von: Li, Xiang, et al.
Veröffentlicht: (2025)

QuantumChem-200K: A Large-Scale Open Organic Molecular Dataset for Quantum-Chemistry Property Screening and Language Model Benchmarking
von: Zeng, Yinqi, et al.
Veröffentlicht: (2025)

FragFM: Hierarchical Framework for Efficient Molecule Generation via Fragment-Level Discrete Flow Matching
von: Lee, Joongwon, et al.
Veröffentlicht: (2025)

Survey on Recent Progress of AI for Chemistry: Methods, Applications, and Opportunities
von: Ding, Hu, et al.
Veröffentlicht: (2025)

Atomic Diffusion Models for Small Molecule Structure Elucidation from NMR Spectra
von: Xiong, Ziyu, et al.
Veröffentlicht: (2025)

Artificial Intelligence for Direct Prediction of Molecular Dynamics Across Chemical Space
von: Ge, Fuchun, et al.
Veröffentlicht: (2025)

Towards A Transferable Acceleration Method for Density Functional Theory
von: Liu, Zhe, et al.
Veröffentlicht: (2025)

Neural Polarization: Toward Electron Density for Molecules by Extending Equivariant Networks
von: Kwak, Bumju, et al.
Veröffentlicht: (2024)

Improving Molecular Force Fields with Minimal Temporal Information
von: Mollahosseini, Ali, et al.
Veröffentlicht: (2026)

Unraveling Molecular Structure: A Multimodal Spectroscopic Dataset for Chemistry
von: Alberts, Marvin, et al.
Veröffentlicht: (2024)

Ensemble Model With Bert,Roberta and Xlnet For Molecular property prediction
von: Hu, Junling
Veröffentlicht: (2024)