Buchumschlag

Neural Contrast Expansion for Explainable Structure-Property Prediction and Random Microstructure Design

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Nie, Guangyu, Jiao, Yang, Ren, Yi
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Contrastive Dual-Interaction Graph Neural Network for Molecular Property Prediction
von: Zhao, Zexing, et al.
Veröffentlicht: (2024)

Graph-Structured Hyperdimensional Computing for Data-Efficient and Explainable Process-Structure-Property Prediction
von: Ge, Jingzhan, et al.
Veröffentlicht: (2026)

3D-Mol: A Novel Contrastive Learning Framework for Molecular Property Prediction with 3D Information
von: Kuang, Taojie, et al.
Veröffentlicht: (2023)

ADA-GNN: Atom-Distance-Angle Graph Neural Network for Crystal Material Property Prediction
von: Huang, Jiao, et al.
Veröffentlicht: (2024)

Pure Component Property Estimation Framework Using Explainable Machine Learning Methods
von: Jiao, Jianfeng, et al.
Veröffentlicht: (2025)

Predicting Mechanical Properties from Microstructure Images in Fiber-reinforced Polymers using Convolutional Neural Networks
von: Sun, Yixuan, et al.
Veröffentlicht: (2020)

Explainable Molecular Property Prediction: Aligning Chemical Concepts with Predictions via Language Models
von: Wang, Zhenzhong, et al.
Veröffentlicht: (2024)

HADSF: Aspect Aware Semantic Control for Explainable Recommendation
von: Nie, Zheng, et al.
Veröffentlicht: (2025)

Explainable Prediction of the Mechanical Properties of Composites with CNNs
von: Raaghav, Varun, et al.
Veröffentlicht: (2025)

Contrastive Explainable Clustering with Differential Privacy
von: Nguyen, Dung, et al.
Veröffentlicht: (2024)

Local-Global Multimodal Contrastive Learning for Molecular Property Prediction
von: Liu, Xiayu, et al.
Veröffentlicht: (2026)

Explainable Unsupervised Anomaly Detection with Random Forest
von: Harvey, Joshua S., et al.
Veröffentlicht: (2025)

TANTE: Time-Adaptive Operator Learning via Neural Taylor Expansion
von: Wu, Zhikai, et al.
Veröffentlicht: (2025)

Explainable Graph Neural Networks: Understanding Brain Connectivity and Biomarkers in Dementia
von: Tewari, Niharika, et al.
Veröffentlicht: (2025)

Explainable Global Wildfire Prediction Models using Graph Neural Networks
von: Chen, Dayou, et al.
Veröffentlicht: (2024)

SES: Bridging the Gap Between Explainability and Prediction of Graph Neural Networks
von: Huang, Zhenhua, et al.
Veröffentlicht: (2024)

Contrastive Geometric Learning Unlocks Unified Structure- and Ligand-Based Drug Design
von: Schneckenreiter, Lisa, et al.
Veröffentlicht: (2026)

Emergence of Structure in Ensembles of Random Neural Networks
von: Muscarnera, Luca, et al.
Veröffentlicht: (2025)

Learning Multi-view Molecular Representations with Structured and Unstructured Knowledge
von: Luo, Yizhen, et al.
Veröffentlicht: (2024)

Learned Random Label Predictions as a Neural Network Complexity Metric
von: Becker, Marlon, et al.
Veröffentlicht: (2024)

Fully Convolutional Spatiotemporal Learning for Microstructure Evolution Prediction
von: Trimboli, Michael, et al.
Veröffentlicht: (2026)

Learning Dynamics of Deep Learning -- Force Analysis of Deep Neural Networks
von: Ren, Yi
Veröffentlicht: (2025)

Generative-Contrastive Heterogeneous Graph Neural Network
von: Wang, Yu, et al.
Veröffentlicht: (2024)

On the Generalization Properties of Learning the Random Feature Models with Learnable Activation Functions
von: Ma, Zailin, et al.
Veröffentlicht: (2025)

Crystal Structure Prediction by Joint Equivariant Diffusion
von: Jiao, Rui, et al.
Veröffentlicht: (2023)

Empowering Power Outage Prediction with Spatially Aware Hybrid Graph Neural Networks and Contrastive Learning
von: Shen, Xuyang, et al.
Veröffentlicht: (2026)

Approximation Bounds for Recurrent Neural Networks with Application to Regression
von: Jiao, Yuling, et al.
Veröffentlicht: (2024)

Physical Pooling Functions in Graph Neural Networks for Molecular Property Prediction
von: Schweidtmann, Artur M., et al.
Veröffentlicht: (2022)

Hidden Conflicts in Neural Networks and Their Implications for Explainability
von: Dejl, Adam, et al.
Veröffentlicht: (2023)

Taming Gradient Oversmoothing and Expansion in Graph Neural Networks
von: Park, MoonJeong, et al.
Veröffentlicht: (2024)

Structure Maintained Representation Learning Neural Network for Causal Inference
von: Sun, Yang, et al.
Veröffentlicht: (2025)

Valid Property-Enhanced Contrastive Learning for Targeted Optimization & Resampling for Novel Drug Design
von: Banerjee, Amartya, et al.
Veröffentlicht: (2025)

Form-Finding and Physical Property Predictions of Tensegrity Structures Using Deep Neural Networks
von: Chen, Muhao, et al.
Veröffentlicht: (2024)

A Kriging-Random Forest Hybrid Model for Real-time Ground Property Prediction during Earth Pressure Balance Shield Tunneling
von: Geng, Ziheng, et al.
Veröffentlicht: (2023)

Predicting Large-scale Urban Network Dynamics with Energy-informed Graph Neural Diffusion
von: Nie, Tong, et al.
Veröffentlicht: (2025)

ReciNet: Reciprocal Space-Aware Long-Range Modeling for Crystalline Property Prediction
von: Nie, Jianan, et al.
Veröffentlicht: (2025)

Optimizing Predictive AI in Physical Design Flows with Mini Pixel Batch Gradient Descent
von: Yang, Haoyu, et al.
Veröffentlicht: (2024)

Using ARIMA to Predict the Expansion of Subscriber Data Consumption
von: Nkongolo, Mike Wa
Veröffentlicht: (2024)

Explainable AI for Fair Sepsis Mortality Predictive Model
von: Chang, Chia-Hsuan, et al.
Veröffentlicht: (2024)

Equivariant Diffusion for Crystal Structure Prediction
von: Lin, Peijia, et al.
Veröffentlicht: (2025)