Buchumschlag

Machine learning for smell: Ordinal odor strength prediction of molecular perfumery components

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Fichtelmann, Peter, Westermayr, Julia
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

Reinforcement learning for traversing chemical structure space: Optimizing transition states and minimum energy paths of molecules
von: Barrett, Rhyan, et al.
Veröffentlicht: (2023)

Hierarchical generative modeling for the design of multi-component systems
von: Barrett, Rhyan, et al.
Veröffentlicht: (2026)

Transferable Machine Learning Potential X-MACE for Excited States using Integrated DeepSets
von: Barrett, Rhyan, et al.
Veröffentlicht: (2025)

Motional representation; the ability to predict odor characters using molecular vibrations
von: Harada, Yuki, et al.
Veröffentlicht: (2025)

Statistics makes a difference: Machine learning adsorption dynamics of functionalized cyclooctine on Si(001) at DFT accuracy
von: Weiske, Hendrik, et al.
Veröffentlicht: (2025)

Transferable excited-state dynamics enable screening of fluorescent protein chromophores
von: Barrett, Rhyan, et al.
Veröffentlicht: (2026)

Quantum smell: tunneling mechanisms in olfaction
von: Szczȩśniak, Dominik, et al.
Veröffentlicht: (2025)

An interpretable molecular descriptor for machine learning predictions in atmospheric science
von: Lind, Linus, et al.
Veröffentlicht: (2025)

Excited-state nonadiabatic dynamics in explicit solvent using machine learned interatomic potentials
von: Tiefenbacher, Maximilian X., et al.
Veröffentlicht: (2025)

Machine learning for predicting control landscape maps of quantum molecular dynamics: Laser-induced three-dimensional alignment of asymmetric top molecules
von: Namba, Tomotaro, et al.
Veröffentlicht: (2024)

Machine learning classification of local environments in molecular crystals
von: Kuroshima, Daisuke, et al.
Veröffentlicht: (2024)

Transfer learning for predicting source terms of principal component transport in chemically reactive flow
von: Jung, Ki Sung, et al.
Veröffentlicht: (2023)

Machine learning prediction of a chemical reaction over 8 decades of energy
von: Julian, Daniel, et al.
Veröffentlicht: (2025)

Machine learning driven high-resolution Raman spectral generation for accurate molecular feature recognition
von: Yadav, Vikas, et al.
Veröffentlicht: (2024)

Non-empirical prediction of the length-dependent ionization potential in molecular chains
von: Ohad, Guy, et al.
Veröffentlicht: (2024)

Machine-learned molecular mechanics force field for the simulation of protein-ligand systems and beyond
von: Takaba, Kenichiro, et al.
Veröffentlicht: (2023)

Quantum-centric machine learning for molecular dynamics
von: Tao, Yanxian, et al.
Veröffentlicht: (2025)

Accurate molecular polarizabilities with coupled-cluster theory and machine learning
von: Wilkins, David M., et al.
Veröffentlicht: (2018)

Ionomer structure and component transport in the cathode catalyst layer of PEM fuel cells: A molecular dynamics study
von: Huang, Yichao, et al.
Veröffentlicht: (2024)

Molecular dynamics simulation analysis of structural dynamic cross correlation induced by odorant hydrogen-bonding in mouse eugenol olfactory receptor
von: Okamoto, Chisato, et al.
Veröffentlicht: (2023)

Benchmarking foundation potentials against quantum chemistry methods for predicting molecular redox potentials
von: Chen, Yicheng, et al.
Veröffentlicht: (2025)

Machine learning potentials for redox chemistry in solution
von: Kocer, Emir, et al.
Veröffentlicht: (2024)

Self-replicating fuels via autocatalytic molecular bond fission
von: Agbo, Peter
Veröffentlicht: (2024)

Machine learning isotope shifts in molecular energy levels
von: Barnfield, Marco G., et al.
Veröffentlicht: (2026)

Tabular foundation models for in-context prediction of molecular properties
von: Hicham, Karim K. Ben, et al.
Veröffentlicht: (2026)

First principles prediction of wavelength-dependent isomerization quantum yields of a second-generation molecular nanomotor
von: Lucia-Tamudo, Jesús, et al.
Veröffentlicht: (2025)

A comprehensive theory for relativistic polaritonic chemistry: a four components ab initio treatment of molecular systems coupled to quantum fields
von: Thiam, Guillaume, et al.
Veröffentlicht: (2024)

Thermal conductivities of monolayer graphene oxide from machine learning molecular dynamics simulations
von: Zhang, Bohan, et al.
Veröffentlicht: (2025)

A deep learning model for chemical shieldings in molecular organic solids including anisotropy
von: Kellner, Matthias, et al.
Veröffentlicht: (2025)

Accelerating molecular vibrational spectra simulations with a physically informed deep learning model
von: Chen, Yuzhuo, et al.
Veröffentlicht: (2024)

Leveraging active learning-enhanced machine-learned interatomic potential for efficient infrared spectra prediction
von: Bhatia, Nitik, et al.
Veröffentlicht: (2025)

Machine learning surrogate models for particle insertions and element substitutions
von: Jinnouchi, Ryosuke
Veröffentlicht: (2024)

FlashMD: long-stride, universal prediction of molecular dynamics
von: Bigi, Filippo, et al.
Veröffentlicht: (2025)

Multitask methods for predicting molecular properties from heterogeneous data
von: Fisher, Katharine, et al.
Veröffentlicht: (2024)

Machine Learning Interatomic Potentials: library for efficient training, model development and simulation of molecular systems
von: Brunken, Christoph, et al.
Veröffentlicht: (2025)

Vib2Mol: from vibrational spectra to molecular structures-a unified deep learning framework
von: Lu, Xinyu, et al.
Veröffentlicht: (2025)

Mimyria: Machine learned vibrational spectroscopy for aqueous systems made simple
von: Schienbein, Philipp
Veröffentlicht: (2026)

Machine learning meets $\mathfrak{su}(n)$ Lie algebra: Enhancing quantum dynamics learning with exact trace conservation
von: Ullah, Arif, et al.
Veröffentlicht: (2025)

Enhancing molecular dynamics with equivariant machine-learned densities
von: Bogojeski, Mihail, et al.
Veröffentlicht: (2026)

Spin-dependent terms of the Breit-Pauli Hamiltonian evaluated with an explicitly correlated Gaussian basis set for molecular computations
von: Jeszenszki, Péter, et al.
Veröffentlicht: (2025)