:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wu, Liming, Jiao, Rui, Li, Qi, Li, Mingze, Li, Songyou, Jin, Shifeng, Huang, Wenbing
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Materials Science
Online-Zugang:	https://arxiv.org/abs/2602.04734
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Agentic Fusion of Large Atomic and Language Models to Accelerate Superconductor Discovery
von: Li, Mingze, et al.
Veröffentlicht: (2026)

Space Group Constrained Crystal Generation
von: Jiao, Rui, et al.
Veröffentlicht: (2024)

Powder Diffraction Crystal Structure Determination Using Generative Models
von: Li, Qi, et al.
Veröffentlicht: (2024)

Geometric Mixture Models for Electrolyte Conductivity Prediction
von: Li, Anyi, et al.
Veröffentlicht: (2025)

Generating Symmetric Materials using Latent Flow Matching
von: Karmush, Anmar, et al.
Veröffentlicht: (2026)

Crystal Structure Prediction by Joint Equivariant Diffusion
von: Jiao, Rui, et al.
Veröffentlicht: (2023)

FlowMM: Generating Materials with Riemannian Flow Matching
von: Miller, Benjamin Kurt, et al.
Veröffentlicht: (2024)

Equivariant Diffusion for Crystal Structure Prediction
von: Lin, Peijia, et al.
Veröffentlicht: (2025)

FlowLLM: Flow Matching for Material Generation with Large Language Models as Base Distributions
von: Sriram, Anuroop, et al.
Veröffentlicht: (2024)

Flow Matching for Accelerated Simulation of Atomic Transport in Crystalline Materials
von: Nam, Juno, et al.
Veröffentlicht: (2024)

MolCrystalFlow: Molecular Crystal Structure Prediction via Flow Matching
von: Zeng, Cheng, et al.
Veröffentlicht: (2026)

Efficient Symmetry-Aware Materials Generation via Hierarchical Generative Flow Networks
von: Nguyen, Tri Minh, et al.
Veröffentlicht: (2024)

ADA-GNN: Atom-Distance-Angle Graph Neural Network for Crystal Material Property Prediction
von: Huang, Jiao, et al.
Veröffentlicht: (2024)

ChargeFlow: Flow-Matching Refinement of Charge-Conditioned Electron Densities
von: Nguyen, Tri Minh, et al.
Veröffentlicht: (2026)

Enhancing Materials Discovery with Valence Constrained Design in Generative Modeling
von: Cheng, Mouyang, et al.
Veröffentlicht: (2025)

Learning ORDER-Aware Multimodal Representations for Composite Materials Design
von: Li, Xinyao, et al.
Veröffentlicht: (2026)

Discovery of 2D Materials via Symmetry-Constrained Diffusion Model
von: Xu, Shihang, et al.
Veröffentlicht: (2024)

Invariant Tokenization of Crystalline Materials for Language Model Enabled Generation
von: Yan, Keqiang, et al.
Veröffentlicht: (2025)

Generative Inversion for Property-Targeted Materials Design: Application to Shape Memory Alloys
von: Li, Cheng, et al.
Veröffentlicht: (2025)

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

MOFFlow: Flow Matching for Structure Prediction of Metal-Organic Frameworks
von: Kim, Nayoung, et al.
Veröffentlicht: (2024)

A Materials Map Integrating Experimental and Computational Data via Graph-Based Machine Learning for Enhanced Materials Discovery
von: Hashimoto, Yusuke, et al.
Veröffentlicht: (2025)

Structural Constraint Integration in Generative Model for Discovery of Quantum Material Candidates
von: Okabe, Ryotaro, et al.
Veröffentlicht: (2024)

Generative Models for Crystalline Materials
von: Metni, Houssam, et al.
Veröffentlicht: (2025)

Dielectric Tensor Prediction for Inorganic Materials Using Latent Information from Preferred Potential
von: Mao, Zetian, et al.
Veröffentlicht: (2024)

Enhancing Large Language Models with Domain-Specific Knowledge: The Case in Topological Materials
von: Xu, HuangChao, et al.
Veröffentlicht: (2024)

Open Materials Generation with Stochastic Interpolants
von: Hoellmer, Philipp, et al.
Veröffentlicht: (2025)

Materium: An Autoregressive Approach for Material Generation
von: Dobberstein, Niklas, et al.
Veröffentlicht: (2025)

Inverse Materials Design by Large Language Model-Assisted Generative Framework
von: Hao, Yun, et al.
Veröffentlicht: (2025)

MatWheel: Addressing Data Scarcity in Materials Science Through Synthetic Data
von: Li, Wentao, et al.
Veröffentlicht: (2025)

XDXD: End-to-end crystal structure determination with low resolution X-ray diffraction
von: Zhao, Jiale, et al.
Veröffentlicht: (2025)

Identifying Constitutive Parameters for Complex Hyperelastic Materials using Physics-Informed Neural Networks
von: Song, Siyuan, et al.
Veröffentlicht: (2023)

Global Stress Generation and Spatiotemporal Super-Resolution Physics-Informed Operator under Dynamic Loading for Two-Phase Random Materials
von: Xing, Tengfei, et al.
Veröffentlicht: (2025)

Generative Design of Crystal Structures by Point Cloud Representations and Diffusion Model
von: Li, Zhelin, et al.
Veröffentlicht: (2024)

Open Materials Generation with Inference-Time Reinforcement Learning
von: Hoellmer, Philipp, et al.
Veröffentlicht: (2026)

VAE for Modified 1-Hot Generative Materials Modeling, A Step Towards Inverse Material Design
von: El-Awady, Khalid
Veröffentlicht: (2023)

Mechanics and Design of Metastructured Auxetic Patches with Bio-inspired Materials
von: Chen, Yingbin, et al.
Veröffentlicht: (2025)

Scaling Laws of Graph Neural Networks for Atomistic Materials Modeling
von: Li, Chaojian, et al.
Veröffentlicht: (2025)

Symmetry-Aware Bayesian Flow Networks for Crystal Generation
von: Ruple, Laura, et al.
Veröffentlicht: (2025)

Large Language Model-Guided Prediction Toward Quantum Materials Synthesis
von: Okabe, Ryotaro, et al.
Veröffentlicht: (2024)