Buchumschlag

Multi-Fidelity Predictive Model for Shock Response of Energetic Materials Using Conditional U-Net

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Lee, Brian H., Li, Chunyu, Pantoya, Aidan, Larentzos, James P., Brennan, John K., Strachan, Alejandro
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Materials Science
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Microstructure-Aware Deep Learning Bridges Atomistics to Macroscale for Shock-to-Detonation Prediction
von: Gonzalez-Zapata, Simon, et al.
Veröffentlicht: (2026)

Graph neural network coarse-grain force field for the molecular crystal RDX
von: Lee, Brian H., et al.
Veröffentlicht: (2024)

Multi-Task Multi-Fidelity Learning of Properties for Energetic Materials
von: Appleton, Robert J., et al.
Veröffentlicht: (2024)

Influence of Polymer on Shock-Induced Pore Collapse: Hotspot Criticality through Reactive Molecular Dynamics
von: Macatangay, Jalen, et al.
Veröffentlicht: (2024)

Spall strength of symmetric tilt grain boundaries in 6H silicon carbide
von: Li, Chunyu, et al.
Veröffentlicht: (2025)

Multi‐Task Multi‐Fidelity Learning of Properties for Energetic Materials
von: Robert J. Appleton, et al.
Veröffentlicht: (2024)

On resolving meso-scale calculations of pore-collapse-generated hotspots in energetic crystals for consistency with atomistic models
von: Okafor, Chukwudubem, et al.
Veröffentlicht: (2024)

Predictive models for strain energy in condensed phase reactions
von: Martin, Baptiste, et al.
Veröffentlicht: (2025)

Preferential Composition during Nucleation and Growth in Multi-Principal Elements Alloys
von: Mishra, Saswat, et al.
Veröffentlicht: (2023)

Data Fusion of Deep Learned Molecular Embeddings for Property Prediction
von: Appleton, Robert J, et al.
Veröffentlicht: (2025)

Nuclear Quantum Effects in Multi-Step Condensed Matter Chemistry: A Path Integral Molecular Dynamics Study of Thermal Decomposition
von: Macatangay, Jalen, et al.
Veröffentlicht: (2026)

Accelerating active learning materials discovery with FAIR data and workflows: a case study for alloy melting temperatures
von: Harwani, Mohnish, et al.
Veröffentlicht: (2024)

Exploration of Hexagonal, Layered Carbides and Nitrides as Ultra-High Temperature Ceramics
von: Nykiel, Kat, et al.
Veröffentlicht: (2025)

On the Jump Conditions for Shock Waves in Condensed Materials
von: Anand, Raj Kumar
Veröffentlicht: (2025)

Active Learning for Generalizable Detonation Performance Prediction of Energetic Materials
von: Ullberg, R. Seaton, et al.
Veröffentlicht: (2026)

Harnessing Machine Learning for Quantum-Accurate Predictions of Non-Equilibrium Behavior in 2D Materials
von: Zhang, Yue, et al.
Veröffentlicht: (2025)

Modeling Framework to Predict Melting Dynamics at Microstructural Defects in TNT-HMX High Explosive Composites
von: Holbrook, Ethan, et al.
Veröffentlicht: (2025)

A Data-Driven Parametric Reduced-Order Chemical Kinetics Model Derived from Atomistic Simulations
von: Sakano, Michael N., et al.
Veröffentlicht: (2026)

Machine learning descriptors for predicting the high temperature oxidation of refractory complex concentrated alloys
von: Bejjipurapu, Akhil, et al.
Veröffentlicht: (2025)

Thermodynamic Fidelity of Generative Models for Ising System
von: Lee, Brian H., et al.
Veröffentlicht: (2024)

Precursor-Dependent Energetics as a Predictive Principle for Polymorph Selection in Thin Films
von: Kim, Hyeon Woo, et al.
Veröffentlicht: (2026)

Evaluating LLM-generated code for domain-specific languages: molecular dynamics with LAMMPS
von: Holbrook, Ethan, et al.
Veröffentlicht: (2026)

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)

Toward Multi-Fidelity Machine Learning Force Field for Cathode Materials
von: Dong, Guangyi, et al.
Veröffentlicht: (2025)

Bridging the Synthesizability Gap in Perovskites by Combining Computations, Literature Data, and PU Learning
von: Desai, Rushik, et al.
Veröffentlicht: (2025)

Prediction of Frequency-Dependent Optical Spectrum for Solid Materials: A Multi-Output & Multi-Fidelity Machine Learning Approach
von: Ibrahim, Akram, et al.
Veröffentlicht: (2024)

On the Convergence of Strong Cylindrical and Spherical Shock Waves in Solid Materials
von: Anand, R. K.
Veröffentlicht: (2025)

Conditional Generative Modeling for Amorphous Multi-Element Materials
von: Li, Honglin, et al.
Veröffentlicht: (2025)

Energetic contributions to deformation twinning in magnesium
von: Kapan, Enver, et al.
Veröffentlicht: (2023)

Computationally Predicted Electronic Properties and Energetics of Native Defects in Cubic Boron Nitride
von: Nguyen, Ngoc Linh, et al.
Veröffentlicht: (2024)

Generative Chemical Language Models for Energetic Materials Discovery
von: Salij, Andrew, et al.
Veröffentlicht: (2026)

A Deep Learning Potential for Accurate Shock Response Simulations in Tin
von: Chen, Yixin, et al.
Veröffentlicht: (2025)

Multi-Fidelity Computational Screening of High-Entropy MBenes for CO$_2$ Electroreduction
von: H, Sree Harsha Bharadwaj, et al.
Veröffentlicht: (2026)

Oxidized Carbon Nanoparticles Enhance Cellular Energetics With Application to Injured Brain
von: Karthik Mouli, et al.
Veröffentlicht: (2024)

Defect Detection in Magnetic Systems Using U-Net and Statistical Measures
von: Knapman, Ross, et al.
Veröffentlicht: (2026)

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

Terahertz Defect Detection in Multi-Layer Materials Using Echo Labeling
von: Sevdiren, Dogus Can, et al.
Veröffentlicht: (2025)

Supervised Pretraining for Material Property Prediction
von: Rahman, Chowdhury Mohammad Abid, et al.
Veröffentlicht: (2025)

Latent Representation Learning of Multi-scale Thermophysics: Application to Dynamics in Shocked Porous Energetic Material
von: Azarfar, Shahab, et al.
Veröffentlicht: (2025)

Letter from England: Footnotes to 1973
von: Chambers, Aidan
Veröffentlicht: (1974)