Buchumschlag

Refinement and Performance Benchmark for Range-Separated Water Force Field

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Gao, Qian, Chen, Junmin, Yu, Kuang
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Chemical Physics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

A Hybrid Physics-Driven Neural Network Force Field for Liquid Electrolytes
von: Chen, Junmin, et al.
Veröffentlicht: (2025)

Refining Potential Energy Surface through Dynamical Properties via Differentiable Molecular Simulation
von: Han, Bin, et al.
Veröffentlicht: (2024)

MACE-OFF: Transferable Short Range Machine Learning Force Fields for Organic Molecules
von: Kovács, Dávid Péter, et al.
Veröffentlicht: (2023)

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

Bridging Quantum Mechanics to Organic Liquid Properties via a Universal Force Field
von: Zheng, Tianze, et al.
Veröffentlicht: (2025)

Efficient Long-Range Machine Learning Force Fields for Liquid and Materials Properties
von: Weber, John L., et al.
Veröffentlicht: (2025)

Dataset Distillation for Machine Learning Force Field in Phase Transition Regime
von: Chen, Ruiyang, et al.
Veröffentlicht: (2026)

A $Δ$-Machine Learning Approach for Force Fields, Illustrated by a CCSD(T) 4-body Correction to the MB-pol Water Potential
von: Qu, Chen, et al.
Veröffentlicht: (2022)

Knowledge Distillation of Noisy Force Labels for Improved Coarse-Grained Force Fields
von: Olowookere, Feranmi V., et al.
Veröffentlicht: (2025)

Simplified, Physically Motivated, and Broadly Applicable Range-Separation Tuning
von: Singh, Aditi, et al.
Veröffentlicht: (2025)

Towards Improved Quantum Machine Learning for Molecular Force Fields
von: Couzinié, Yannick, et al.
Veröffentlicht: (2025)

Managing Expectations and Imbalanced Training Data in Reactive Force Field Development: an Application to Water Adsorption on Alumina
von: Dumortier, Loïc, et al.
Veröffentlicht: (2024)

Scalable Machine Learning Force Fields for Macromolecular Systems Through Long-Range Aware Message Passing
von: Wang, Chu, et al.
Veröffentlicht: (2026)

$Δ$-Machine Learning to Elevate DFT-based Potentials and a Force Field to the CCSD(T) Level Illustrated for Ethanol
von: Nandi, Apurba, et al.
Veröffentlicht: (2024)

Machine Learning Force Fields
von: Unke, Oliver T., et al.
Veröffentlicht: (2020)

SimPoly: Simulation of Polymers with Machine Learning Force Fields Derived from First Principles
von: Simm, Gregor N. C., et al.
Veröffentlicht: (2025)

Improved Treatment of 1-4 interactions in Force Fields for Molecular Dynamics Simulations
von: Abdullah, Aalim S., et al.
Veröffentlicht: (2025)

Data-Driven Parametrization of Molecular Mechanics Force Fields for Expansive Chemical Space Coverage
von: Zheng, Tianze, et al.
Veröffentlicht: (2024)

Cross Learning between Electronic Structure Theories for Unifying Molecular, Surface, and Inorganic Crystal Foundation Force Fields
von: Batatia, Ilyes, et al.
Veröffentlicht: (2025)

Ionic Liquid Molecular Dynamics Simulation with Machine Learning Force Fields: DPMD and MACE
von: Park, Anseong, et al.
Veröffentlicht: (2025)

Force Fields for Deep Eutectic Mixtures: Application to Structure and 2D-Infrared Spectroscopy
von: Töpfer, Kai, et al.
Veröffentlicht: (2024)

Ensemble Learning of Machine Learning Force Fields
von: Yin, Bangchen, et al.
Veröffentlicht: (2024)

Self-Refinement of Auxiliary-Field Quantum Monte Carlo via Non-Orthogonal Configuration Interaction
von: Sukurma, Zoran, et al.
Veröffentlicht: (2025)

aims-PAX: Parallel Active eXploration for the automated construction of Machine Learning Force Fields
von: Henkes, Tobias, et al.
Veröffentlicht: (2025)

Towards Linearly Scaling and Chemically Accurate Global Machine Learning Force Fields for Large Molecules
von: Kabylda, Adil, et al.
Veröffentlicht: (2022)

Efficient and Precise Force Field Optimization for Biomolecules Using DPA-2
von: Chang, Junhan, et al.
Veröffentlicht: (2024)

Bridging Atomistic and Mesoscale Lithium Transport via Machine-Learned Force Fields and Markov State Models
von: Qaisrani, Muhammad Nawaz, et al.
Veröffentlicht: (2025)

Short-Range Solvent-Solvent and Ion-Solvent Correlations at Metal-Electrolyte Interfaces: Parameterization and Benchmarking
von: Zhang, Mengke, et al.
Veröffentlicht: (2025)

Molecular Dynamics Force Field Genetic Optimization for Tri-n-butyl Phosphate Liquid
von: Hatami, Faranak, et al.
Veröffentlicht: (2026)

Separable Force Matching of PBE0 Hybrid-Functional Reference Forces for Path-Integral Simulations of Liquid Water
von: Kessler, Jan, et al.
Veröffentlicht: (2026)

Towards Quantitative Interpretation of 3D Atomic Force Microscopy at Solid-Liquid Interfaces
von: Ai, Qian, et al.
Veröffentlicht: (2025)

Quantum-Accurate Conformational Stabilities and Vibrational Dynamics in Molecules and Proteins with Machine-Learned Force Fields
von: Suárez-Dou, Sergio, et al.
Veröffentlicht: (2026)

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)

Grappa -- A Machine Learned Molecular Mechanics Force Field
von: Seute, Leif, et al.
Veröffentlicht: (2024)

Force-Field-Enhanced Neural Network Interactions: from Local Equivariant Embedding to Atom-in-Molecule properties and long-range effects
von: Plé, Thomas, et al.
Veröffentlicht: (2023)

ORION: Unifying Top-Down and Bottom-Up Chemical Space Sampling for a Universal Organic Force Field
von: Chen, Zherui, et al.
Veröffentlicht: (2026)

Routine Molecular Dynamics Simulations Including Nuclear Quantum Effects: from Force Fields to Machine Learning Potentials
von: Plé, Thomas, et al.
Veröffentlicht: (2022)

Thermodynamic Transferability in Coarse-Grained Force Fields using Graph Neural Networks
von: Shinkle, Emily, et al.
Veröffentlicht: (2024)

Generative Pseudo-Force Fields for Molecular Generation
von: Hessmann, Stefaan Simon Pierre, et al.
Veröffentlicht: (2026)

Molecular Properties in Quantum-Classical Auxiliary-Field Quantum Monte Carlo: Correlated Sampling with Application to Accurate Nuclear Forces
von: Goings, Joshua J., et al.
Veröffentlicht: (2025)