Buchumschlag

Modeling and Inverse Identification of Interfacial Heat Conduction in Finite Layer and Semi-Infinite Substrate Systems via a Physics-Guided Neural Framework

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Sha, Wenhao, Chang, Tienchong
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Materials Science
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

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

Laser-Induced Heating in Diamonds: Influence of Substrate Thermal Conductivity and Interfacial Polymer Layers
von: Hossain, Md Shakhawath, et al.
Veröffentlicht: (2025)

Generative Inverse Design of Crystal Structures via Diffusion Models with Transformers
von: Takahara, Izumi, et al.
Veröffentlicht: (2024)

A Unified Generative-Predictive Framework for Deterministic Inverse Design
von: Batley, Reza T., et al.
Veröffentlicht: (2025)

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

A Generative Model for Accelerated Inverse Modelling Using a Novel Embedding for Continuous Variables
von: Bompas, Sébastien, et al.
Veröffentlicht: (2023)

Active Learning for Conditional Inverse Design with Crystal Generation and Foundation Atomic Models
von: Li, Zhuoyuan, et al.
Veröffentlicht: (2025)

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

The Infinite-Dimensional Nature of Spectroscopy and Why Models Succeed, Fail, and Mislead
von: Michelucci, Umberto, et al.
Veröffentlicht: (2026)

Machine Learning Based Prediction of Proton Conductivity in Metal-Organic Frameworks
von: Han, Seunghee, et al.
Veröffentlicht: (2024)

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

Property-Guided Molecular Generation and Optimization via Latent Flows
von: Lobo, Alexander Arjun, et al.
Veröffentlicht: (2026)

Molecular Identification via Molecular Fingerprint extraction from Atomic Force Microscopy images
von: Lastre, Manuel González, et al.
Veröffentlicht: (2024)

A Foundation Model for Non-Destructive Defect Identification from Vibrational Spectra
von: Cheng, Mouyang, et al.
Veröffentlicht: (2025)

Generative Inverse Design of Cold Metals for Low-Power Electronics
von: Wu, Kedeng, et al.
Veröffentlicht: (2026)

Inverse designing metamaterials with programmable nonlinear functional responses in graph space
von: Maurizi, Marco, et al.
Veröffentlicht: (2024)

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)

Extended Factorization Machine Annealing for Rapid Discovery of Transparent Conducting Materials
von: Makino, Daisuke, et al.
Veröffentlicht: (2025)

Physics-Informed Graph Neural Networks to Reconstruct Local Fields Considering Finite Strain Hyperelasticity
von: Garban, Manuel Ricardo Guevara, et al.
Veröffentlicht: (2025)

Reasoning-Driven Design of Single Atom Catalysts via a Multi-Agent Large Language Model Framework
von: Mok, Dong Hyeon, et al.
Veröffentlicht: (2026)

AI-Guided Design and Optimization of Graphite-Based Anodes via Iterative Experimental Feedback
von: Du, Qian, et al.
Veröffentlicht: (2026)

Data-Efficient Indentation Size Effect Correction in Steels Using Machine Learning and Physics-Guided Augmentation
von: Karamov, Radmir, et al.
Veröffentlicht: (2026)

Periodic Materials Generation using Text-Guided Joint Diffusion Model
von: Das, Kishalay, et al.
Veröffentlicht: (2025)

Large Language Model-Guided Prediction Toward Quantum Materials Synthesis
von: Okabe, Ryotaro, et al.
Veröffentlicht: (2024)

Hierarchy-Boosted Funnel Learning for Identifying Semiconductors with Ultralow Lattice Thermal Conductivity
von: Wu, Mengfan, et al.
Veröffentlicht: (2025)

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

Crystalformer: Infinitely Connected Attention for Periodic Structure Encoding
von: Taniai, Tatsunori, et al.
Veröffentlicht: (2024)

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

MatLLMSearch: Crystal Structure Discovery with Evolution-Guided Large Language Models
von: Gan, Jingru, et al.
Veröffentlicht: (2025)

Data-efficient and Interpretable Inverse Materials Design using a Disentangled Variational Autoencoder
von: Zeng, Cheng, et al.
Veröffentlicht: (2024)

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

A Temporal Filter to Extract Doped Conducting Polymer Information Features from an Electronic Nose
von: Ammar, Wiem Haj, et al.
Veröffentlicht: (2024)

Identification of Empirical Constitutive Models for Age-Hardenable Aluminium Alloy and High-Chromium Martensitic Steel Using Symbolic Regression
von: Kabliman, Evgeniya, et al.
Veröffentlicht: (2025)

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)

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

Training Variation of Physically-Informed Deep Learning Models
von: Lenau, Ashley, et al.
Veröffentlicht: (2025)

OBELiX: A Curated Dataset of Crystal Structures and Experimentally Measured Ionic Conductivities for Lithium Solid-State Electrolytes
von: Therrien, Félix, et al.
Veröffentlicht: (2025)

Lattice-to-Total Thermal Conductivity Ratio: A Phonon-Glass Electron-Crystal Descriptor for Data-Driven Thermoelectric Design
von: Sun, Yifan, et al.
Veröffentlicht: (2025)

Training-Free Active Learning Framework in Materials Science with Large Language Models
von: Wang, Hongchen, et al.
Veröffentlicht: (2025)

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