:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Huang, Hua, Shao, Wenkai, Hammond, Jeff
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Chemical Physics
Online-Zugang:	https://arxiv.org/abs/2601.08077
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Accelerating inverse materials design using generative diffusion models with reinforcement learning
von: Chen, Junwu, et al.
Veröffentlicht: (2025)

Accelerating Hartree-Fock and Density Functional Theory Calculations using Tensor Hypercontraction
von: Hillers-Bendtsen, Andreas Erbs, et al.
Veröffentlicht: (2025)

Acceleration without Disruption: DFT Software as a Service
von: Ju, Fusong, et al.
Veröffentlicht: (2024)

Mixed-precision ab initio tensor network state methods adapted for NVIDIA Blackwell technology via emulated FP64 arithmetic
von: Brower, Cole, et al.
Veröffentlicht: (2025)

ByteQC: GPU-Accelerated Quantum Chemistry Package for Large-Scale Systems
von: Guo, Zhen, et al.
Veröffentlicht: (2025)

Towards A Transferable Acceleration Method for Density Functional Theory
von: Liu, Zhe, et al.
Veröffentlicht: (2025)

Physics-Driven Construction of Compact Primitive Gaussian Density Fitting Basis Sets
von: Surjuse, Kshitijkumar A., et al.
Veröffentlicht: (2025)

Accelerating CCSD(T) on Graphical Processing Units (GPUs)
von: Fajen, O. Jonathan, et al.
Veröffentlicht: (2025)

Parallel implementation of the Density Matrix Renormalization Group method achieving a quarter petaFLOPS performance on a single DGX-H100 GPU node
von: Menczer, Andor, et al.
Veröffentlicht: (2024)

Accelerated lignocellulosic molecule adsorption structure determination
von: Jestilä, Joakim S., et al.
Veröffentlicht: (2023)

Accelerating Fermionic System Simulation on Quantum Computers
von: Li, Qing-Song, et al.
Veröffentlicht: (2025)

Large Language Models to Accelerate Organic Chemistry Synthesis
von: Zhang, Yu, et al.
Veröffentlicht: (2025)

Orbital optimization of large active spaces via AI-accelerators
von: Legeza, Örs, et al.
Veröffentlicht: (2025)

Very-Large-Scale GPU-Accelerated Nuclear Gradient of Time-Dependent Density Functional Theory with Tamm-Dancoff Approximation and Range-Separated Hybrid Functionals
von: Kim, Inkoo, et al.
Veröffentlicht: (2024)

Towards Accelerated SCF Workflows with Equivariant Density-Matrix Learning and Analytic Refinement
von: Yescas-Ramos, Zuriel Y., et al.
Veröffentlicht: (2026)

Accelerating Fock build via hybrid analytical-numerical integration
von: Zhang, Yong, et al.
Veröffentlicht: (2024)

Accelerating Locality-Driven Integration in Quantum Chemistry with Block-Structured Matrix Multiplication
von: Wei, Xinran, et al.
Veröffentlicht: (2026)

Efficient Coupled-Cluster Python Frameworks for Next-Generation GPUs: A Comparative Study of CuPy and PyTorch on the Hopper and Grace Hopper Architecture
von: Dobrowolska, Antonina, et al.
Veröffentlicht: (2026)

Accelerating inverse Kohn-Sham calculations using reduced density matrices
von: Kanungo, Bikash, et al.
Veröffentlicht: (2024)

Fast and Scalable GPU-Accelerated Quantum Chemistry for Periodic Systems with Gaussian Orbitals: Implementation and Hybrid Density Functional Theory Calculations
von: Wang, Yuanheng, et al.
Veröffentlicht: (2024)

Accelerating point defect simulations using data-driven and machine learning approaches
von: Mannodi-Kanakkithodi, Arun, et al.
Veröffentlicht: (2026)

Simulating Electron Dynamics with GPU-Accelerated Real-Time Tamm-Dancoff Approximation
von: Knoll, Thomas, et al.
Veröffentlicht: (2026)

GPU Accelerated Minimal Auxiliary Basis Approach TDDFT for Large Organic Molecules
von: Zhou, Zehao, et al.
Veröffentlicht: (2026)

Kinetics of Barrier Crossing Events from Temperature Accelerated Sliced Sampling Simulations
von: Saurav, Sameer, et al.
Veröffentlicht: (2025)

ChemKANs for Combustion Chemistry Modeling and Acceleration
von: Koenig, Benjamin C., et al.
Veröffentlicht: (2025)

Accelerating Molecular Dynamics through Informed Resetting
von: Church, Jonathan R., et al.
Veröffentlicht: (2024)

Accelerated Surface Hopping via Scaling the Spin--Orbit Coupling: Opportunities for Machine Learning
von: Martinka, Jakub, et al.
Veröffentlicht: (2026)

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

Accelerating Correlated Wave Function Calculations with Hierarchical Matrix Compression of the Two-Electron Integrals
von: Gao, Hongji, et al.
Veröffentlicht: (2025)

cuGUGA: Operator-Direct Graphical Unitary Group Approach Accelerated with CUDA
von: Pengmei, Zihan
Veröffentlicht: (2026)

Accelerated Machine Learning Force Field for Predicting Thermal Conductivity of Organic Liquids
von: Feng, Wei, et al.
Veröffentlicht: (2025)

Flow Perturbation to Accelerate Unbiased Sampling of Boltzmann distribution
von: Peng, Xin, et al.
Veröffentlicht: (2024)

Adaptive Pruning for Increased Robustness and Reduced Computational Overhead in Gaussian Process Accelerated Saddle Point Searches
von: Goswami, Rohit, et al.
Veröffentlicht: (2025)

Stimulated Raman Spectroscopy with Tunable Visible Broadband Probe Pulse Generated by Kerr-Instability Amplification
von: Drouillard, Nathan G., et al.
Veröffentlicht: (2024)

Accelerating structure search using atomistic graph-based classifiers
von: Slavensky, Andreas Møller, et al.
Veröffentlicht: (2024)

Accelerated First-Principles Exploration of Structure and Reactivity in Graphene Oxide
von: El-Machachi, Zakariya, et al.
Veröffentlicht: (2024)

Accelerating Instanton Theory with the Line Integral String Method, Gaussian Process Regression, and Selective Hessian Modeling
von: Zhang, Chenghao, et al.
Veröffentlicht: (2026)

Accelerating Molecular Dynamics Simulations with Foundation Neural Network Models using Multiple Time-Step and Distillation
von: Cattin, Côme, et al.
Veröffentlicht: (2025)

Accelerated Inorganic Electrides Discovery by Generative Models and Hierarchical Screening
von: Tao, Shuo, et al.
Veröffentlicht: (2026)

PySEQM 2.0: Accelerated Semiempirical Excited State Calculations on Graphical Processing Units
von: Athavale, Vishikh, et al.
Veröffentlicht: (2025)