Buchumschlag

Orbital Transformers for Predicting Wavefunctions in Time-Dependent Density Functional Theory

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhang, Xuan, Yu, Haiyang, Wang, Chengdong, Helwig, Jacob, Ji, Shuiwang, Qian, Xiaofeng
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Materials Science Chemical Physics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Complete and Efficient Graph Transformers for Crystal Material Property Prediction
von: Yan, Keqiang, et al.
Veröffentlicht: (2024)

A Geometry-Aware Message Passing Neural Network for Modeling Aerodynamics over Airfoils
von: Helwig, Jacob, et al.
Veröffentlicht: (2024)

QH9: A Quantum Hamiltonian Prediction Benchmark for QM9 Molecules
von: Yu, Haiyang, et al.
Veröffentlicht: (2023)

Geometric Time-Dependent Density Functional Theory
von: Cancès, Éric, et al.
Veröffentlicht: (2026)

Time Dependent Density Functional Theory calculations of the optical properties of charge-transfer complexes
von: Ramanjanappa, Satwik, et al.
Veröffentlicht: (2024)

Deep Learning for GWP Prediction: A Framework Using PCA, Quantile Transformation, and Ensemble Modeling
von: Rajapriya, Navin, et al.
Veröffentlicht: (2024)

Surrogate Functionals for Machine-Learned Orbital-Free Density Functional Theory
von: Remme, Roman, et al.
Veröffentlicht: (2026)

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)

Equivariant Matrix Function Neural Networks
von: Batatia, Ilyes, et al.
Veröffentlicht: (2023)

Constructing accurate machine-learned potentials and performing highly efficient atomistic simulations to predict structural and thermal properties
von: Liu, Junlan, et al.
Veröffentlicht: (2024)

Vibrational Fingerprints of Strained Polymers: A Spectroscopic Pathway to Mechanical State Prediction
von: Konrad, Julian, et al.
Veröffentlicht: (2025)

Overcoming the Barrier of Orbital-Free Density Functional Theory for Molecular Systems Using Deep Learning
von: Zhang, He, et al.
Veröffentlicht: (2023)

Coupled Cluster con MōLe: Molecular Orbital Learning for Neural Wavefunctions
von: Thiede, Luca, et al.
Veröffentlicht: (2026)

SineNet: Learning Temporal Dynamics in Time-Dependent Partial Differential Equations
von: Zhang, Xuan, et al.
Veröffentlicht: (2024)

XANE(3): An E(3)-Equivariant Graph Neural Network for Accurate Prediction of XANES Spectra from Atomic Structures
von: Grizzi, Vitor F., et al.
Veröffentlicht: (2026)

Predicting band gap from chemical composition: A simple learned model for a material property with atypical statistics
von: Ma, Andrew, et al.
Veröffentlicht: (2025)

TraceGrad: a Framework Learning Expressive SO(3)-equivariant Non-linear Representations for Electronic-Structure Hamiltonian Prediction
von: Yin, Shi, et al.
Veröffentlicht: (2024)

Beyond the Black Box: An Interpretable Machine Learning Framework for Predicting Electronic Structure Microdescriptors and Structure-Performance Relationships in Fe-based Catalytic Systems
von: Romiluyi, Oyinkansola
Veröffentlicht: (2026)

Transformers Discover Molecular Structure Without Graph Priors
von: Kreiman, Tobias, et al.
Veröffentlicht: (2025)

Prediction of NMR Parameters and geometry in 133Cs-containing compounds using Density Functional Theory
von: Manukovsky, Nurit, et al.
Veröffentlicht: (2024)

Enhancing the Efficiency of Time-Dependent Density Functional Theory Calculations of Dynamic Response Properties
von: Moldabekov, Zhandos A., et al.
Veröffentlicht: (2025)

Accelerating Electronic Stopping Power Predictions by 10 Million Times with a Combination of Time-Dependent Density Functional Theory and Machine Learning
von: Ward, Logan, et al.
Veröffentlicht: (2023)

Efficient Prediction of SO(3)-Equivariant Hamiltonian Matrices via SO(2) Local Frames
von: Yu, Haiyang, et al.
Veröffentlicht: (2025)

Noise Reduction of Stochastic Density Functional Theory for Metals
von: Vu, Jake P., et al.
Veröffentlicht: (2024)

Advancements in Molecular Property Prediction: A Survey of Single and Multimodal Approaches
von: Liyaqat, Tanya, et al.
Veröffentlicht: (2024)

Multimodal machine learning with large language embedding model for polymer property prediction
von: Zhang, Tianren, et al.
Veröffentlicht: (2025)

Machine Learning Time Propagators for Time-Dependent Density Functional Theory Simulations
von: Shah, Karan, et al.
Veröffentlicht: (2025)

Action-Minimization Meets Generative Modeling: Efficient Transition Path Sampling with the Onsager-Machlup Functional
von: Raja, Sanjeev, et al.
Veröffentlicht: (2025)

Global Plane Waves From Local Gaussians: Periodic Charge Densities in a Blink
von: Elsborg, Jonas, et al.
Veröffentlicht: (2026)

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

Predicting Methane Adsorption in Metal-Substituted MOFs: A Comparative Study between Density Functional Theory and Machine Learning
von: Aljamal, Karim, et al.
Veröffentlicht: (2025)

Integrating Density Functional Theory with Deep Neural Networks for Accurate Voltage Prediction in Alkali-Metal-Ion Battery Materials
von: Hossain, Sk Mujaffar, et al.
Veröffentlicht: (2025)

Leveraging Data Mining, Active Learning, and Domain Adaptation in a Multi-Stage, Machine Learning-Driven Approach for the Efficient Discovery of Advanced Acidic Oxygen Evolution Electrocatalysts
von: Ding, Rui, et al.
Veröffentlicht: (2024)

Foundation Models for Discovery and Exploration in Chemical Space
von: Wadell, Alexius, et al.
Veröffentlicht: (2025)

The Open DAC 2025 Dataset for Sorbent Discovery in Direct Air Capture
von: Sriram, Anuroop, et al.
Veröffentlicht: (2025)

Correcting Delocalization Error in Materials with Localized Orbitals and Linear-Response Screening
von: Williams, Jacob Z., et al.
Veröffentlicht: (2024)

Energy Window Augmented Plane Waves Approach to Density Functional Theory
von: Goldstein, Garry
Veröffentlicht: (2024)

Acrylamide Conformers: A Revision of Published Density Functional Theory Studies
von: Scott, William, et al.
Veröffentlicht: (2026)

Self-Consistency Training for Density-Functional-Theory Hamiltonian Prediction
von: Zhang, He, et al.
Veröffentlicht: (2024)

Reflections from the 2024 Large Language Model (LLM) Hackathon for Applications in Materials Science and Chemistry
von: Zimmermann, Yoel, et al.
Veröffentlicht: (2024)