:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Hollenweger, Yannick, Kochman, Dennis M., Liu, Burigede
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Materials Science Machine Learning
Online-Zugang:	https://arxiv.org/abs/2508.18806
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Explainable AI for Curie Temperature Prediction in Magnetic Materials
von: Ajaib, M. Adeel, et al.
Veröffentlicht: (2025)

Reduced Order Modeling of Energetic Materials Using Physics-Aware Recurrent Convolutional Neural Networks in a Latent Space (LatentPARC)
von: Gray, Zoë J., et al.
Veröffentlicht: (2025)

Peridynamic Neural Operators: A Data-Driven Nonlocal Constitutive Model for Complex Material Responses
von: Jafarzadeh, Siavash, et al.
Veröffentlicht: (2024)

Stress Predictions in Polycrystal Plasticity using Graph Neural Networks with Subgraph Training
von: Zhai, Hanfeng
Veröffentlicht: (2024)

Learning Ordering in Crystalline Materials with Symmetry-Aware Graph Neural Networks
von: Peng, Jiayu, et al.
Veröffentlicht: (2024)

Uncertainty-Aware Machine-Learning Framework for Predicting Dislocation Plasticity and Stress-Strain Response in FCC Alloys
von: Luo, Jing, et al.
Veröffentlicht: (2025)

Neural operator accelerated atomistic to continuum concurrent multiscale simulations of viscoelasticity
von: Sohail, Tanvir, et al.
Veröffentlicht: (2026)

Are Foundational Atomistic Models Reliable for Finite-Temperature Molecular Dynamics?
von: Li, Denan, et al.
Veröffentlicht: (2025)

Learning ORDER-Aware Multimodal Representations for Composite Materials Design
von: Li, Xinyao, et al.
Veröffentlicht: (2026)

Thermodynamically-Informed Iterative Neural Operators for Heterogeneous Elastic Localization
von: Kelly, Conlain, et al.
Veröffentlicht: (2024)

Physically Consistent Machine Learning for Melting Temperature Prediction of Refractory High-Entropy Alloys
von: Hasnain, Mohd
Veröffentlicht: (2026)

Scaling Laws of Graph Neural Networks for Atomistic Materials Modeling
von: Li, Chaojian, et al.
Veröffentlicht: (2025)

Efficient Symmetry-Aware Materials Generation via Hierarchical Generative Flow Networks
von: Nguyen, Tri Minh, et al.
Veröffentlicht: (2024)

Microstructure-based Variational Neural Networks for Robust Uncertainty Quantification in Materials Digital Twins
von: Robertson, Andreas E., et al.
Veröffentlicht: (2025)

Fourier Neural Operator with Learned Deformations for PDEs on General Geometries
von: Li, Zongyi, et al.
Veröffentlicht: (2022)

Deep Learning-Based Surrogate Creep Modelling in Inconel 625: A High-Temperature Alloy Study
von: Das, Shubham, et al.
Veröffentlicht: (2025)

Pre-training Graph Neural Networks with Structural Fingerprints for Materials Discovery
von: Jia, Shuyi, et al.
Veröffentlicht: (2025)

HTSC-2025: A Benchmark Dataset of Ambient-Pressure High-Temperature Superconductors for AI-Driven Critical Temperature Prediction
von: Han, Xiao-Qi, et al.
Veröffentlicht: (2025)

Heterogeneous Peridynamic Neural Operators: Discover Biotissue Constitutive Law and Microstructure From Digital Image Correlation Measurements
von: Jafarzadeh, Siavash, et al.
Veröffentlicht: (2024)

AQVolt26: High-Temperature r$^2$SCAN Halide Dataset for Universal ML Potentials and Solid-State Batteries
von: Kim, Jiyoon, et al.
Veröffentlicht: (2026)

Identifying Constitutive Parameters for Complex Hyperelastic Materials using Physics-Informed Neural Networks
von: Song, Siyuan, et al.
Veröffentlicht: (2023)

Physics-Informed Neural Networks for Electrical Circuit Analysis: Applications in Dielectric Material Modeling
von: Taj, Reyhaneh
Veröffentlicht: (2024)

Deep Gaussian Process-based Cost-Aware Batch Bayesian Optimization for Complex Materials Design Campaigns
von: Alvi, Sk Md Ahnaf Akif, et al.
Veröffentlicht: (2025)

A General Neural Network Potential for Energetic Materials with C, H, N, and O elements
von: Wen, Mingjie, et al.
Veröffentlicht: (2025)

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

A New Workflow for Materials Discovery Bridging the Gap Between Experimental Databases and Graph Neural Networks
von: Schoener, Brandon, et al.
Veröffentlicht: (2026)

Stable Long-Horizon Spatiotemporal Prediction on Meshes Using Latent Multiscale Recurrent Graph Neural Networks
von: Salesses, Lionel, et al.
Veröffentlicht: (2026)

Recurrent neural networks and transfer learning for elasto-plasticity in woven composites
von: Ghane, Ehsan, et al.
Veröffentlicht: (2023)

AI Meets Plasticity: A Comprehensive Survey
von: Bakhshan, Hadi, et al.
Veröffentlicht: (2026)

Understanding the Capabilities of Molecular Graph Neural Networks in Materials Science Through Multimodal Learning and Physical Context Encoding
von: Polat, Can, et al.
Veröffentlicht: (2025)

Open Materials Generation with Stochastic Interpolants
von: Hoellmer, Philipp, et al.
Veröffentlicht: (2025)

High Cycle S-N curve prediction for Al 7075-T6 alloy using Recurrent Neural Networks (RNNs)
von: Patel, Aryan
Veröffentlicht: (2025)

Higher-Order Equivariant Neural Networks for Charge Density Prediction in Materials
von: Koker, Teddy, et al.
Veröffentlicht: (2023)

From Natural Language to Materials Discovery:The Materials Knowledge Navigation Agent
von: Zhuang, Genmao, et al.
Veröffentlicht: (2026)

Functional Unit: A New Perspective on Materials Science Research Paradigms
von: Ye, Caichao, et al.
Veröffentlicht: (2025)

Benchmarking GNNs for OOD Materials Property Prediction with Uncertainty Quantification
von: Tan, Liqin, et al.
Veröffentlicht: (2025)

Generative Models for Crystalline Materials
von: Metni, Houssam, et al.
Veröffentlicht: (2025)

AMShortcut: An Inference- and Training-Efficient Inverse Design Model for Amorphous Materials
von: Lin, Yan, et al.
Veröffentlicht: (2026)

Inverse Materials Design by Large Language Model-Assisted Generative Framework
von: Hao, Yun, et al.
Veröffentlicht: (2025)

VAE for Modified 1-Hot Generative Materials Modeling, A Step Towards Inverse Material Design
von: El-Awady, Khalid
Veröffentlicht: (2023)