Buchumschlag

Assessing the Limits of Graph Neural Networks for Vapor-Liquid Equilibrium Prediction: A Cryogenic Mixture Case Study

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Gupta, Aryan
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Chemical Physics Machine Learning Computational Physics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Clapeyron Neural Networks for Single-Species Vapor-Liquid Equilibria
von: Pavšek, Jan, et al.
Veröffentlicht: (2026)

Predicting the Temperature-Dependent CMC of Surfactant Mixtures with Graph Neural Networks
von: Brozos, Christoforos, et al.
Veröffentlicht: (2024)

Graph Neural Networks for Temperature-Dependent Activity Coefficient Prediction of Solutes in Ionic Liquids
von: Rittig, Jan G., et al.
Veröffentlicht: (2022)

GemNet: Universal Directional Graph Neural Networks for Molecules
von: Gasteiger, Johannes, et al.
Veröffentlicht: (2021)

Graph Neural Networks for Surfactant Multi-Property Prediction
von: Brozos, Christoforos, et al.
Veröffentlicht: (2024)

A Cartesian Encoding Graph Neural Network for Crystal Structures Property Prediction: Application to Thermal Ellipsoid Estimation
von: Solé, Àlex, et al.
Veröffentlicht: (2025)

Predicting the Temperature Dependence of Surfactant CMCs Using Graph Neural Networks
von: Brozos, Christoforos, et al.
Veröffentlicht: (2024)

Pushing the Limits of All-Atom Geometric Graph Neural Networks: Pre-Training, Scaling and Zero-Shot Transfer
von: Pengmei, Zihan, et al.
Veröffentlicht: (2024)

ChemFlow:A Hierarchical Neural Network for Multiscale Representation Learning in Chemical Mixtures
von: Fan, Jinming, et al.
Veröffentlicht: (2026)

Material Property Prediction using Graphs based on Generically Complete Isometry Invariants
von: Balasingham, Jonathan, et al.
Veröffentlicht: (2022)

Scaling Machine Learning Interatomic Potentials with Mixtures of Experts
von: Liu, Yuzhi, et al.
Veröffentlicht: (2026)

ELECTRA: A Cartesian Network for 3D Charge Density Prediction with Floating Orbitals
von: Elsborg, Jonas, et al.
Veröffentlicht: (2025)

A Systematic Evaluation of Molecular Mixture Behavior Prediction
von: Leenhouts, Roel J., et al.
Veröffentlicht: (2026)

Broadening the Scope of Neural Network Potentials through Direct Inclusion of Additional Molecular Attributes
von: Simeon, Guillem, et al.
Veröffentlicht: (2024)

QuantumBind-RBFE: Accurate Relative Binding Free Energy Calculations Using Neural Network Potentials
von: Zariquiey, Francesc Sabanés, et al.
Veröffentlicht: (2025)

Accurate Computation of Quantum Excited States with Neural Networks
von: Pfau, David, et al.
Veröffentlicht: (2023)

On Representing Electronic Wave Functions with Sign Equivariant Neural Networks
von: Gao, Nicholas, et al.
Veröffentlicht: (2024)

NeuralSCF: Neural network self-consistent fields for density functional theory
von: Song, Feitong, et al.
Veröffentlicht: (2024)

Graph Neural Networks embedded into Margules model for vapor-liquid equilibria prediction
von: Medina, Edgar Ivan Sanchez, et al.
Veröffentlicht: (2025)

Thermodynamic Transferability in Coarse-Grained Force Fields using Graph Neural Networks
von: Shinkle, Emily, et al.
Veröffentlicht: (2024)

Efficient Transition State Searches by Freezing String Method with Graph Neural Network Potentials
von: Marks, Jonah, et al.
Veröffentlicht: (2025)

Generalizing Denoising to Non-Equilibrium Structures Improves Equivariant Force Fields
von: Liao, Yi-Lun, et al.
Veröffentlicht: (2024)

TorchMD-Net 2.0: Fast Neural Network Potentials for Molecular Simulations
von: Pelaez, Raul P., et al.
Veröffentlicht: (2024)

FragNet: A Graph Neural Network for Molecular Property Prediction with Four Levels of Interpretability
von: Panapitiya, Gihan, et al.
Veröffentlicht: (2024)

Uncertainty Quantification for Molecular Property Predictions with Graph Neural Architecture Search
von: Jiang, Shengli, et al.
Veröffentlicht: (2023)

Predicting solvation free energies with an implicit solvent machine learning potential
von: Röcken, Sebastien, et al.
Veröffentlicht: (2024)

Combining Graph Neural Networks and Mixed Integer Linear Programming for Molecular Inference under the Two-Layered Model
von: Zhu, Jianshen, et al.
Veröffentlicht: (2025)

Accurate Ab-initio Neural-network Solutions to Large-Scale Electronic Structure Problems
von: Scherbela, Michael, et al.
Veröffentlicht: (2025)

GraphVAMPNet, using graph neural networks and variational approach to markov processes for dynamical modeling of biomolecules
von: Ghorbani, Mahdi, et al.
Veröffentlicht: (2022)

A Structured Framework for Predicting Sustainable Aviation Fuel Properties using Liquid-Phase FTIR and Machine Learning
von: Comesana, Ana E., et al.
Veröffentlicht: (2024)

Olfactory Label Prediction on Aroma-Chemical Pairs
von: Sisson, Laura, et al.
Veröffentlicht: (2023)

Analysis of Atom-level pretraining with Quantum Mechanics (QM) data for Graph Neural Networks Molecular property models
von: Arjona-Medina, Jose, et al.
Veröffentlicht: (2024)

XANE(3): An E(3)-Equivariant Graph Neural Network for Accurate Prediction of XANES Spectra from Atomic Structures
von: Grizzi, Vitor F., et al.
Veröffentlicht: (2026)

Neural Pfaffians: Solving Many Many-Electron Schrödinger Equations
von: Gao, Nicholas, et al.
Veröffentlicht: (2024)

Excited Pfaffians: Generalized Neural Wave Functions Across Structure and State
von: Gao, Nicholas, et al.
Veröffentlicht: (2026)

Implicit Delta Learning of High Fidelity Neural Network Potentials
von: Thaler, Stephan, et al.
Veröffentlicht: (2024)

Highly Accurate Real-space Electron Densities with Neural Networks
von: Cheng, Lixue, et al.
Veröffentlicht: (2024)

Open-Source Fermionic Neural Networks with Ionic Charge Initialization
von: Pranesh, Shai, et al.
Veröffentlicht: (2024)

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

A Novel 4-D Dataset Paradigm for Studying Complete Ligand-Protein Dissociation Dynamics
von: Li, Maodong, et al.
Veröffentlicht: (2025)