Buchumschlag

Quantized Skeletal Learning (QSL): A Differentiable Programming Approach for Skeletal Reduction of Chemical Mechanisms

Fuente: arXiv

Gespeichert in:

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

Ähnliche Einträge

Skeletal Editing of Indazoles and Benzisoxazoles
von: Sumit Ghosh, et al.
Veröffentlicht: (2026)

Autonomous Adaptive Solver Selection for Chemistry Integration via Reinforcement Learning
von: Ikponmwoba, Eloghosa, et al.
Veröffentlicht: (2026)

Efficient Machine Learning Approach for Yield Prediction in Chemical Reactions
von: Ghosh, Supratim, et al.
Veröffentlicht: (2025)

SpinAdaptedSecondQuantization.jl 1.0 -- A Simple and Pedagogical Approach to Symbolic Quantum Chemistry
von: Lexander, Marcus T., et al.
Veröffentlicht: (2025)

Quantum Field Approaches to Chemical Systems
von: Karimpour, Reza, et al.
Veröffentlicht: (2026)

Cover Picture: Skeletal Editing of Isatins for Heterocycle Molecular Diversity (Chem. Rec. 6/2024)
von: Tiantian Zhang, et al.
Veröffentlicht: (2024)

Interoperable Workflows by Exchanging Grid-Based Data between Quantum-Chemical Program Packages
von: Focke, Kevin, et al.
Veröffentlicht: (2024)

Low-Dimensional Projection of Reactive Islands in Chemical Reaction Dynamics Using a Supervised Dimensionality Reduction Method
von: Tanaka, Ryoichi, et al.
Veröffentlicht: (2024)

A Liquid-Fueled Reactor Network Model for Enhanced NOx Prediction in Gas Turbine Combustors
von: John, Philip, et al.
Veröffentlicht: (2025)

Chemically-Informed Machine Learning Approach for Prediction of Reactivity Ratios in Radical Copolymerization
von: Safari, Habibollah, et al.
Veröffentlicht: (2025)

Vector-Based Approach to the Stoichiometric Analysis of Multicomponent Chemical Reactions: The Case of Black Powder
von: Kozub, Pavlo, et al.
Veröffentlicht: (2025)

Fast and Accurate Uncertainty Estimation in Chemical Machine Learning
von: Musil, Felix, et al.
Veröffentlicht: (2018)

A Machine-Learned Symbolic Committor for a Chemical Reaction: Retinal Isomerization
von: Töpfer, Kai, et al.
Veröffentlicht: (2026)

Electrode Potential Dependent Differential Capacitance in Electrocatalysis: a Novel, Ab Initio Computational Approach
von: Guba, Márton, et al.
Veröffentlicht: (2025)

MesoNet: A Fundamental Principle for Multi-Representation Learning in Complex Chemical Systems
von: Fan, Jinming, et al.
Veröffentlicht: (2025)

DeepMech: A Machine Learning Framework for Chemical Reaction Mechanism Prediction
von: Das, Manajit, et al.
Veröffentlicht: (2025)

Chemical Potentials and the One-Electron Hamiltonian of the Second-Order Perturbation Theory from the Functional Derivative Approach
von: Li, Jiachen, et al.
Veröffentlicht: (2024)

Fault-tolerant Quantum Chemical Calculations with Improved Machine-Learning Models
von: Yuan, Kai, et al.
Veröffentlicht: (2024)

Molecular Quantum Chemical Data Sets and Databases for Machine Learning Potentials
von: Ullah, Arif, et al.
Veröffentlicht: (2024)

A Simple Iterative Approach for Constant Chemical Potential Simulations at Interfaces
von: Soyemi, Ademola, et al.
Veröffentlicht: (2025)

Quantum Chemical Density Matrix Renormalization Group Method Boosted by Machine Learning
von: Golub, Pavlo, et al.
Veröffentlicht: (2024)

End-to-End Differentiable Learning of a Single Functional for DFT and Linear-Response TDDFT
von: Zhang, Xiaoyu
Veröffentlicht: (2026)

Molecular Similarity in Machine Learning of Energies in Chemical Reaction Networks
von: Gugler, Stefan, et al.
Veröffentlicht: (2025)

Lifelong Machine Learning Potentials for Chemical Reaction Network Explorations
von: Eckhoff, Marco, et al.
Veröffentlicht: (2025)

Towards Linearly Scaling and Chemically Accurate Global Machine Learning Force Fields for Large Molecules
von: Kabylda, Adil, et al.
Veröffentlicht: (2022)

A Posteriori Evaluation of a Physics-Constrained Neural Ordinary Differential Equations Approach Coupled with CFD Solver for Modeling Stiff Chemical Kinetics
von: Kumar, Tadbhagya, et al.
Veröffentlicht: (2023)

Quantum Simulations of Chemistry in First Quantization with any Basis Set
von: Georges, Timothy N., et al.
Veröffentlicht: (2024)

Data-Driven Parametrization of Molecular Mechanics Force Fields for Expansive Chemical Space Coverage
von: Zheng, Tianze, et al.
Veröffentlicht: (2024)

MixPI: Mixed-Time Slicing Path Integral Software for Quantized Molecular Dynamics Simulations
von: Johnson, Britta A., et al.
Veröffentlicht: (2024)

Chemical Space-Informed Machine Learning Models for Rapid Predictions of X-ray Photoelectron Spectra of Organic Molecules
von: Tripathy, Susmita, et al.
Veröffentlicht: (2024)

Quantization of Visible Light by a Ni$_2$ Molecular Optical Resonator
von: Meng, Miao, et al.
Veröffentlicht: (2024)

Swarm Intelligence for Chemical Reaction Optimisation
von: Schlama, Rémi, et al.
Veröffentlicht: (2025)

Representative Random Sampling of Chemical Space
von: Monterrubio-Chanca, Diego J., et al.
Veröffentlicht: (2025)

Electronic Collective Variables for Chemical Reactions
von: Lei, YaoKun, et al.
Veröffentlicht: (2026)

Enhancing Oxygen Reduction Reaction on Pt-Based Electrocatalysts through Surface Decoration for Improved OH Reduction Equilibrium and Reduced H2O Adsorption
von: Xu, Yu-Jun, et al.
Veröffentlicht: (2025)

Molecular Machine Learning in Chemical Process Design
von: Rittig, Jan G., et al.
Veröffentlicht: (2025)

A Chemical Space Perspective on Diastereomeric Barriers in Alkylperoxy-to-Hydroperoxyalkyl Isomerization
von: Ramakrishnan, Raghunathan
Veröffentlicht: (2026)

Discovering Reaction Mechanisms with Transition Path Sampling-Based Active Learning of Machine-Learned Potentials
von: Lal, Ashique, et al.
Veröffentlicht: (2026)

The Differential Virial Theorem with Gradient Formulas for the Operators
von: Finley, James P.
Veröffentlicht: (2016)

Differentiable Electrochemistry: A paradigm for uncovering hidden physical phenomena in electrochemical systems
von: Chen, Haotian, et al.
Veröffentlicht: (2025)