Buchumschlag

Scaling Transferable Coarse-graining with Mean Force Matching

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Park, Abigail, Chennakesavalu, Shriram, Rotskoff, Grant M.
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

Aligning Transformers with Continuous Feedback via Energy Rank Alignment
von: Chennakesavalu, Shriram, et al.
Veröffentlicht: (2024)

Data-efficient generation of protein conformational ensembles with backbone-to-side chain transformers
von: Chennakesavalu, Shriram, et al.
Veröffentlicht: (2023)

Committor guided estimates of molecular transition rates
von: Mitchell, Andrew R., et al.
Veröffentlicht: (2024)

Evaluating the Progression of Large Language Model Capabilities for Small-Molecule Drug Design
von: Chennakesavalu, Shriram, et al.
Veröffentlicht: (2026)

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

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

Learning Thermal Response Forces: A Method for Extending the Thermodynamic Transferability of Coarse-Grained Models via Machine-Learning
von: Sahrmann, Patrick G., et al.
Veröffentlicht: (2026)

Adversarial Training for Dynamics Matching in Coarse-Grained Models
von: Wang, Yihang, et al.
Veröffentlicht: (2025)

Operator Forces For Coarse-Grained Molecular Dynamics
von: Klein, Leon, et al.
Veröffentlicht: (2025)

Accurate and efficient structure elucidation from routine one-dimensional NMR spectra using multitask machine learning
von: Hu, Frank, et al.
Veröffentlicht: (2024)

Non-Clifford diagonalization for measurement shot reduction in quantum expectation value estimation
von: Sawaya, Nicolas P. D., et al.
Veröffentlicht: (2024)

Coarse-graining bistability with the Martini force field
von: Muratov, Alexander D., et al.
Veröffentlicht: (2024)

Quantum Hardware-Enabled Molecular Dynamics via Transfer Learning
von: Khan, Abid, et al.
Veröffentlicht: (2024)

Reactive Coarse Grained Force Field for Metal-Organic Frameworks applied to Modeling ZIF-8 Self-Assembly
von: Mondal, Sangita, et al.
Veröffentlicht: (2026)

Hessian Matching for Machine-Learned Coarse-Grained Molecular Dynamics
von: Murdeshwar, Sanya, et al.
Veröffentlicht: (2026)

Pushing the limits of one-dimensional NMR spectroscopy for automated structure elucidation using artificial intelligence
von: Hu, Frank, et al.
Veröffentlicht: (2025)

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

Ionic Liquid Molecular Dynamics Simulation with Machine Learning Force Fields: DPMD and MACE
von: Park, Anseong, 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)

Modeling Interfacial Electron Transfer using Path Integral Molecular Dynamics
von: Park, Yoonjae, et al.
Veröffentlicht: (2025)

Coarse-Graining in Quantum Mechanics: Distinguishable and Indistinguishable Particles
von: Sahrmann, Patrick G., et al.
Veröffentlicht: (2025)

Coarse-Grained Geometric Quantum Dynamics in the Tensor Network Representation
von: Sha, Mo, et al.
Veröffentlicht: (2026)

Coarse grained modeling of a metal-organic framework/polymer composite and its gas adsorption at the nanoparticle level
von: Alvares, Cecilia M. S., et al.
Veröffentlicht: (2024)

Rigorous Quantum Thermodynamics from Entropic Path Integral Coarse-Graining
von: Shen, Jing, et al.
Veröffentlicht: (2026)

Electron-Informed Coarse-Graining Molecular Representation Learning for Real-World Molecular Physics
von: Na, Gyoung S., et al.
Veröffentlicht: (2026)

Force-Guided Bridge Matching for Full-Atom Time-Coarsened Dynamics of Peptides
von: Yu, Ziyang, et al.
Veröffentlicht: (2024)

Navigating Chemical Space: Multi-Level Bayesian Optimization with Hierarchical Coarse-Graining
von: Walter, Luis J., et al.
Veröffentlicht: (2025)

Reaction Dynamics for the [NNO] System from State-Resolved and Coarse-Grained Models
von: Veliz, Juan Carlos San Vicente, et al.
Veröffentlicht: (2025)

Mapping Still Matters: Coarse-Graining with Machine Learning Potentials
von: Görlich, Franz, et al.
Veröffentlicht: (2025)

Unveiling the Molecular Driving Forces of Pollutant Extraction by Hydrophobic Eutectic Solvents
von: Gomez, S., et al.
Veröffentlicht: (2026)

Coarse-graining conformational dynamics with multi-dimensional generalized Langevin equation: how, when, and why
von: Xie, Pinchen, et al.
Veröffentlicht: (2024)

Attention-Based Functional-Group Coarse-Graining: A Deep Learning Framework for Molecular Prediction and Design
von: Han, Ming, et al.
Veröffentlicht: (2025)

Effect of Dispersity on Dynamic Properties of Polymer Melts: Insights from Coarse-Grained Molecular Dynamics Simulations
von: Tejuosho, Taofeek, et al.
Veröffentlicht: (2024)

First-Principles Electronegativity Scale from the Atomic Mean Inner Potential
von: Zheng, Jin-Cheng
Veröffentlicht: (2026)

A Force-Kernel Reformulation of the Extended-System Adaptive Biasing Force for Free-Energy Calculations
von: Kang, Christopher, et al.
Veröffentlicht: (2026)

Neutron Imaging of Paramagnetic Ions: Electrosorption by Carbon Aerogels and Macroscopic Magnetic Forces
von: Butcher, T. A., et al.
Veröffentlicht: (2021)

Force switching and potential shifting lead to significant cutoff dependence in alchemical free energies
von: Whitmore, Lindsey M., et al.
Veröffentlicht: (2024)

MolCluster: Integrating Graph Neural Network with Community Detection for Coarse-Grained Mapping
von: Zhong, Zhixuan, et al.
Veröffentlicht: (2025)

Linear Scaling Calculation of Atomic Forces and Energies with Machine Learning Local Density Matrix
von: Xin, Zaizhou, et al.
Veröffentlicht: (2025)

Enhanced Excitation Energy Transfer under Strong Light-Matter Coupling: Insights from Multi-Scale Molecular Dynamics Simulations
von: Sokolovskii, Ilia, et al.
Veröffentlicht: (2022)