Buchumschlag

Machine Learning Prediction of Charged Defect Formation Energies from Crystal Structures

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Kiyohara, Shin, Shibui, Chisa, Bae, Soungmin, Kumagai, Yu
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

Machine Learning Approaches to Point Defects in Non-Metallic Materials: A Review of Methods
von: Kumagai, Yu, et al.
Veröffentlicht: (2026)

Physics-Based Factorized Machine Learning for Predicting Ionic Dielectric Tensors
von: Takigawa, Atsushi, et al.
Veröffentlicht: (2025)

Native defects and $p$-type dopability in transparent $β$-TeO$_2$: A first-principles study
von: Huyen, Vu Thi Ngoc, et al.
Veröffentlicht: (2024)

Exploring Intrinsic and Extrinsic $p$-type Dopability of Atomically Thin $β$-TeO$_2$ from First Principles
von: Costa-Amaral, Rafael, et al.
Veröffentlicht: (2024)

Charting the Landscape of Oxygen Ion Conductors: A 60-Year Dataset with Interpretable Regression Models
von: Jang, Seong-Hoon, et al.
Veröffentlicht: (2026)

Formation Energy Prediction of Material Crystal Structures using Deep Learning
von: Torlao, V., et al.
Veröffentlicht: (2024)

Oxygen Defect Engineering of Hexagonal Perovskite Oxides to Boost Catalytic Performance for Aerobic Oxidation of Sulfides to Sulfones
von: Keiju Wachi, et al.
Veröffentlicht: (2025)

Oxygen Defect Engineering of Hexagonal Perovskite Oxides to Boost Catalytic Performance for Aerobic Oxidation of Sulfides to Sulfones (Adv. Funct. Mater. 29/2025)
von: Keiju Wachi, et al.
Veröffentlicht: (2025)

Deep Learning-Based Extraction of Promising Material Groups and Common Features from High-Dimensional Data: A Case of Optical Spectra of Inorganic Crystals
von: Takahashi, Akira, et al.
Veröffentlicht: (2025)

Multi-fidelity Machine Learning Interatomic Potentials for Charged Point Defects
von: Wang, Xinwei, et al.
Veröffentlicht: (2026)

Influence of Rhenium Concentration on Charge Doping and Defect Formation in MoS2
von: Munson, Kyle T., et al.
Veröffentlicht: (2023)

Sequential Quenching to Predict Semiconductor Defect Concentrations from Formation & Migration Energies: The Case of CdTe:As Doping
von: Arnab, Khandakar Aaditta, et al.
Veröffentlicht: (2026)

Leveraging Persistent Homology Features for Accurate Defect Formation Energy Predictions via Graph Neural Networks
von: Fang, Zhenyao, et al.
Veröffentlicht: (2024)

Pinch-point spectral singularity from the interference of topological loop states
von: Udagawa, Masafumi, et al.
Veröffentlicht: (2024)

Impact of Data Bias on Machine Learning for Crystal Compound Synthesizability Predictions
von: Davariashtiyani, Ali, et al.
Veröffentlicht: (2024)

A Comparative Study of Machine Learning Models Predicting Energetics of Interacting Defects
von: Yu, Hao
Veröffentlicht: (2024)

Atomic-scale phase-field modeling with universal machine learning potentials
von: Masuda, Kairi, et al.
Veröffentlicht: (2025)

Exact matrix product states at the quantum Lifshitz tricritical point in a spin-1/2 zigzag-chain antiferromagnet with anisotropic $Γ$-term
von: Saito, Hidehiro, et al.
Veröffentlicht: (2024)

Classification of magnon thermal Hall systems based on U(1) to non-Abelian gauge fields
von: Kawano, Masataka, et al.
Veröffentlicht: (2026)

CRYSIM: Prediction of Symmetric Structures of Large Crystals with GPU-based Ising Machines
von: Liang, Chen, et al.
Veröffentlicht: (2025)

Simulating Charged Defects at Database Scale
von: Shen, Jimmy-Xuan, et al.
Veröffentlicht: (2024)

Revisiting the Formulation of Charged Defect in Solids
von: Shang, Hanzhi, et al.
Veröffentlicht: (2024)

Machine Learning-Driven Structure Prediction for Iron Hydrides
von: Tahmasbi, Hossein, et al.
Veröffentlicht: (2023)

Defect-Charge-Driven 90° Switching in HfO2
von: Xie, Muting, et al.
Veröffentlicht: (2025)

Hierarchical Crystal Structure Prediction of Zeolitic Imidazolate Frameworks Using DFT and Machine-Learned Interatomic Potentials
von: Xu, Yizhi, et al.
Veröffentlicht: (2026)

OpenCSP: A Deep Learning Framework for Crystal Structure Prediction from Ambient to High Pressure
von: Wang, Yinan, et al.
Veröffentlicht: (2025)

On-demand phase-field modeling: Three-dimensional Landau energy for HfO2 through machine learning
von: Tamura, Yusuke, et al.
Veröffentlicht: (2025)

Investigation of Hole Dopability in Oxygen $2p$-Dominated Bands
von: Vu, Thi Ngoc Huyen, et al.
Veröffentlicht: (2025)

Data-Efficient Machine learning for Predicting Dopant Formation Energies in TiO$_2$ Monolayer
von: Asikainen, Kati, et al.
Veröffentlicht: (2026)

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

Monte Carlo Simulations of Crystal Defects in Open Ensembles
von: Walsh, Flynn, et al.
Veröffentlicht: (2025)

CSPBench: a benchmark and critical evaluation of Crystal Structure Prediction
von: Wei, Lai, et al.
Veröffentlicht: (2024)

Deriving quantum spin model for a zigzag-chain ytterbium magnet with anisotropic exchange interactions
von: Saito, Hidehiro, et al.
Veröffentlicht: (2023)

Ground-State Structure Search of Defective High-Entropy Alloys Using Machine-Learning Potentials and Monte Carlo Sampling
von: Zhu, Siya, et al.
Veröffentlicht: (2026)

Structural Phase Separation Couples to Charge-Density-Wave Formation in Kagome Metal FeGe
von: Zhao, Boyang, et al.
Veröffentlicht: (2026)

Siamese Foundation Models for Crystal Structure Prediction
von: Wu, Liming, et al.
Veröffentlicht: (2025)

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

Machine Learning Phonon Spectra for Fast and Accurate Optical Lineshapes of Defects
von: Turiansky, Mark E., et al.
Veröffentlicht: (2025)

MolCrystalFlow: Molecular Crystal Structure Prediction via Flow Matching
von: Zeng, Cheng, et al.
Veröffentlicht: (2026)

Defect formation in CsSnI$_3$ from Density Functional Theory and Machine Learning
von: Khamdang, Chadawan, et al.
Veröffentlicht: (2024)