Buchumschlag

Material exploration through active learning -- METAL

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Brorsson, Joakim, Moberg, Henrik Klein, Hildingsson, Joel, Gastaldi, Jonatan, Mattisson, Tobias, Hellman, Anders
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

Microscopic theory of phonon polaritons and long wavelength dielectric response
von: Hellman, Olle, et al.
Veröffentlicht: (2025)

Impact of anharmonicity on the carrier mobility of the Pb-free CsSnBr$_3$ perovskite
von: Yin, Junwen, et al.
Veröffentlicht: (2025)

Establishing Coherent Momentum-Space Electronic States in Locally Ordered Materials
von: Ciocys, Samuel T., et al.
Veröffentlicht: (2023)

Modelling atomic and nanoscale structure in the silicon-oxygen system through active machine learning
von: Erhard, Linus C., et al.
Veröffentlicht: (2023)

An automated framework for exploring and learning potential-energy surfaces
von: Liu, Yuanbin, et al.
Veröffentlicht: (2024)

Machine learning exploration of topological polarization pattern in hexagonal boron nitride moiré superlattice
von: Zheng, Jun-Ding, et al.
Veröffentlicht: (2025)

Mode-coupling formulation of heat transport in anharmonic materials
von: Castellano, Aloïs, et al.
Veröffentlicht: (2024)

Energy landscape interpretation of universal linearly increasing absorption with frequency
von: Holm, Sverre, et al.
Veröffentlicht: (2024)

Predictive quantum vibrational spectra through active learning 4G-NNPs
von: Faruque, Md Omar, et al.
Veröffentlicht: (2025)

Phase discovery with active learning: Application to structural phase transitions in equiatomic NiTi
von: Vandermause, Jonathan, et al.
Veröffentlicht: (2024)

High-Throughput Exploration of NV-like Color Centers Across Host Materials
von: Groppfeldt, Oscar, et al.
Veröffentlicht: (2025)

MAD-SURF: a machine learning interatomic potential for molecular adsorption on coinage metal surfaces
von: Lastre, Manuel González, et al.
Veröffentlicht: (2026)

Resolving Transient Electron-Phonon Coupling with Time-Resolved Spontaneous Raman Spectroscopy
von: Reuveni, Guy, et al.
Veröffentlicht: (2026)

Opposite impact of thermal expansion and phonon anharmonicity on the phonon-limited resistivity of elemental metals from first principles
von: Wang, Ao, et al.
Veröffentlicht: (2025)

Ab initio theory of the non-resonant Raman effect in crystals at finite temperature in comparison to experiment: The examples of GaN and BaZrS3
von: Knoop, Florian, et al.
Veröffentlicht: (2024)

Data-driven active learning approaches for accelerating materials discovery
von: Chen, Jiaxin, et al.
Veröffentlicht: (2026)

In context learning Foundation models for Materials Property Prediction with Small datasets
von: Li, Qinyang, et al.
Veröffentlicht: (2025)

Precise large-scale chemical transformations on surfaces: deep learning meets scanning probe microscopy with interpretability
von: Wu, Nian, et al.
Veröffentlicht: (2024)

Machine learning to explore high-entropy alloys with desired enthalpy for room-temperature hydrogen storage: Prediction of density functional theory and experimental data
von: Dangwal, Shivam, et al.
Veröffentlicht: (2024)

Characterizing the Nonequilibrium Response of FeRh Thin Films using Time-Domain Thermoreflectance (TDTR)
von: Harton, Renee M., et al.
Veröffentlicht: (2022)

Excitation signatures of isochorically heated electrons in solids at finite wavenumber explored from first principles
von: Moldabekov, Zhandos A., et al.
Veröffentlicht: (2024)

Combined Light Excitation and Scanning Gate Microscopy on Heterostructure Nanowire Photovoltaic Devices
von: Liu, Yen-Po, et al.
Veröffentlicht: (2025)

A Deep-learning Model for Fast Prediction of Vacancy Formation in Diverse Materials
von: Choudhary, Kamal, et al.
Veröffentlicht: (2022)

Scalar machine learning of tensorial quantities -- Born effective charges from monopole models
von: Schmiedmayer, Bernhard, et al.
Veröffentlicht: (2026)

The Disorder Origin of Raman Scattering In Perovskites Single Crystals
von: Menahem, Matan, et al.
Veröffentlicht: (2022)

Effect of the atomic structure of complexions on the active disconnection mode during shear-coupled grain boundary motion
von: Pemma, Swetha, et al.
Veröffentlicht: (2024)

Effect of the atomic structure of complexions on the active disconnection mode during shear-coupled grain boundary motion
von: Pemma, Swetha, et al.
Veröffentlicht: (2023)

Direct imaging of carbohydrate stereochemistry
von: Cai, Shuning, et al.
Veröffentlicht: (2024)

Defect complexes in CrSBr revealed through electron microscopy and deep learning
von: Weile, Mads, et al.
Veröffentlicht: (2025)

Structural Chart of Copper-Silver Nanoalloys through machine learning
von: Settem, Manoj, et al.
Veröffentlicht: (2026)

Revealing Quantum Geometry in Nonlinear Quantum Materials
von: Jiang, Yiyang, et al.
Veröffentlicht: (2025)

Accelerating Cathode Material Discovery through Ab Initio Random Structure Searching
von: Zhu, Bonan, et al.
Veröffentlicht: (2021)

PyAPX: Python toolkit for atomic configuration pattern exploration
von: Kusaba, Akira, et al.
Veröffentlicht: (2025)

Phonon dispersion of quantum paraelectric SrTiO3 in electric fields
von: Jacobsen, Henrik, et al.
Veröffentlicht: (2024)

Elucidating proximity magnetism through polarized neutron reflectometry and machine learning
von: Andrejevic, Nina, et al.
Veröffentlicht: (2021)

Exploring the energy landscape of aluminas through machine learning interatomic potential
von: Zhang, Lei, et al.
Veröffentlicht: (2024)

Chiral Epitaxy: Enantioselective Growth of Chiral Nanowires on Low-Symmetry Two-Dimensional Materials
von: Itzhak, Noya Ruth, et al.
Veröffentlicht: (2026)

Vibrational properties differ between halide and chalcogenide perovskite semiconductors, and it matters for optoelectronic performance
von: Ye, K., et al.
Veröffentlicht: (2024)

Revealing Fano Resonance in Dirac Materials ZrTe5 through Raman Scattering
von: Cheng, Di, et al.
Veröffentlicht: (2024)

Investigating Material Interface Diffusion Phenomena through Graph Neural Networks in Applied Materials
von: Zhao, Zirui, et al.
Veröffentlicht: (2024)