Buchumschlag

Physics-informed Hamiltonian learning for large-scale optoelectronic property prediction

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Schwade, Martin, Zhang, Shaoming, Vonhoff, Frederik, Delgado, Frederico P., Egger, David A.
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Materials Science
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Analysis of real-space transport channels for electrons and holes in halide perovskites
von: Vonhoff, Frederik, et al.
Veröffentlicht: (2025)

Temperature-transferable tight-binding model using a hybrid-orbital basis
von: Schwade, Martin, et al.
Veröffentlicht: (2023)

Machine-Learning Force Fields Reveal Shallow Electronic States on Dynamic Halide Perovskite Surfaces
von: Delgado, Frederico P., et al.
Veröffentlicht: (2025)

Active learning of effective Hamiltonian for super-large-scale atomic structures
von: Ma, Xingyue, et al.
Veröffentlicht: (2023)

3D-mapping and manipulation of photocurrent in an optoelectronic diamond device
von: Wood, A. A., et al.
Veröffentlicht: (2024)

Multimodal machine learning with large language embedding model for polymer property prediction
von: Zhang, Tianren, et al.
Veröffentlicht: (2025)

Cross-scale covariance for material property prediction
von: Jasperson, Benjamin A., et al.
Veröffentlicht: (2024)

Vibrational properties differ between halide and chalcogenide perovskite semiconductors, and it matters for optoelectronic performance
von: Ye, K., et al.
Veröffentlicht: (2024)

Interfacial effect on the optoelectronic and piezoelectric properties of Ge-Sn terminated Halide Perovskite heterostructure from first-principles study
von: Celestine, L., et al.
Veröffentlicht: (2025)

Interfaces in epitaxially grown Zn3P2 nanowires and their composition dependent optoelectronic properties for photovoltaic applications
von: Steinvall, Simon Escobar, et al.
Veröffentlicht: (2025)

Exploring self-driving labs for optoelectronic materials
von: Scragg, Jonathan Staaf
Veröffentlicht: (2026)

Physics guided dual Self-supervised learning for structure-based materials property prediction
von: Fu, Nihang, et al.
Veröffentlicht: (2024)

Unveiling the impact of organic cation passivation on structural and optoelectronic properties of two-dimensional perovskites thin films
von: Ribeiro, Israel C., et al.
Veröffentlicht: (2024)

Machine learning interatomic potential for predicting the thermal properties of uranium nitride
von: Chen, Beihan, et al.
Veröffentlicht: (2025)

Deep learning-enabled large-scale analysis of particle geometry-lithiation correlations in battery cathode materials
von: Lin, Binbin, et al.
Veröffentlicht: (2025)

The Effect of Overdamped Phonons on the Fundamental Band Gap of Perovskites
von: Zhu, Xiangzhou, et al.
Veröffentlicht: (2024)

Improving realistic material property prediction using domain adaptation based machine learning
von: Hu, Jeffrey, et al.
Veröffentlicht: (2023)

Natural layered phlogopite dielectric for ultrathin two-dimensional optoelectronics
von: Pucher, Thomas, et al.
Veröffentlicht: (2025)

Microscale optoelectronic reservoir networks of halide perovskite for in-sensor computing
von: de Boer, Jeroen J., et al.
Veröffentlicht: (2025)

Microscale optoelectronic synapses with switchable photocurrent from halide perovskite
von: de Boer, Jeroen J., et al.
Veröffentlicht: (2025)

Physics-informed machine learning applied to the identification of high-pressure elusive phases from spatially resolved X-ray diffraction large datasets
von: Francisco, Lucas H., et al.
Veröffentlicht: (2025)

Machine learning assisted prediction of organic salt structure properties
von: Shapera, Ethan P., et al.
Veröffentlicht: (2024)

Emerging electro-optic molecular crystals for optoelectronic integration
von: Sunami, Keishi, et al.
Veröffentlicht: (2025)

Less can be more for predicting properties with large language models
von: Alampara, Nawaf, et al.
Veröffentlicht: (2024)

Stability and electronic properties of "4-8"-type ZnSnN$_2$ thin films free of spontaneous polarization for optoelectronic devices
von: Fang, D. Q.
Veröffentlicht: (2023)

A detailed first-principles study of the structural, elastic, thermomechanical and optoelectronic properties of binary rare-earth tritelluride NdTe3
von: Chowdhury, Tanbin, et al.
Veröffentlicht: (2024)

First-principles study of optoelectronic and thermoelectronic properties of the ScAgC half-Heusler compound
von: Solet, Vinod Kumar, et al.
Veröffentlicht: (2022)

GEARS H: Accurate machine-learned Hamiltonians for next-generation device-scale modeling
von: Haldar, Anubhab, et al.
Veröffentlicht: (2025)

Thermal analysis of GaN-based photonic membranes for optoelectronics
von: Seemann, Wilken, et al.
Veröffentlicht: (2024)

Machine Learning Accelerates Raman Computations from Molecular Dynamics for Materials Science
von: Egger, David A., et al.
Veröffentlicht: (2025)

Predicting the Thermal Behavior of Semiconductor Defects with Equivariant Neural Networks
von: Zhu, Xiangzhou, et al.
Veröffentlicht: (2025)

Molecular topological deep learning for polymer property prediction
von: Shen, Cong, et al.
Veröffentlicht: (2024)

Pressure dependent topological, superconducting, optoelectronic and thermophysical properties of Ta2Se chalcogenide: Theoretical insights
von: Rahman, Tauhidur, et al.
Veröffentlicht: (2026)

Precise large-scale chemical transformations on surfaces: deep learning meets scanning probe microscopy with interpretability
von: Wu, Nian, et al.
Veröffentlicht: (2024)

Electrical contacts for high performance optoelectronic devices of BaZrS3 single crystals
von: Chen, Huandong, et al.
Veröffentlicht: (2024)

Thermophysical properties of spark plasma sintered UCo: a comparison with machine learning predictions
von: Sun, Yifan, et al.
Veröffentlicht: (2026)

Identifying and understanding the positive impact of defects for perovskites optoelectronic devices
von: Deng, Yu-Hao
Veröffentlicht: (2020)

Self-supervised learning for crystal property prediction via denoising
von: New, Alexander, et al.
Veröffentlicht: (2024)

Deep learning tight-binding approach for large-scale electronic simulations at finite temperatures with $ab$ $initio$ accuracy
von: Gu, Qiangqiang, et al.
Veröffentlicht: (2023)

Tuning the optoelectronic properties of graphene quantum dots by BN-ring doping: A density functional theory study
von: Das, Samayita, et al.
Veröffentlicht: (2026)