Buchumschlag

Direction-aware topological descriptors for Young's modulus prediction in porous materials

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Topolnicki, Rafał, Bogdan, Michał, Malinowski, Jakub, Naskręcki, Bartosz, Harańczyk, Maciej, Dłotko, Paweł
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Computational Physics Materials Science
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Topological cell-openness index for porous materials
von: Bogdan, Michał, et al.
Veröffentlicht: (2026)

Transferable 3D Convolutional Neural Networks for Elastic Constants Prediction in Nanoporous Metals
von: Zorkaltsev, Sergei, et al.
Veröffentlicht: (2026)

A critical assessment of bonding descriptors for predicting materials properties
von: Naik, Aakash Ashok, et al.
Veröffentlicht: (2026)

tda-segmentor: A tool to extract and analyze local structure and porosity features in porous materials
von: Vasudevan, Aditya, et al.
Veröffentlicht: (2023)

Compressing and forecasting atomic material simulations with descriptors
von: Swinburne, Thomas D
Veröffentlicht: (2023)

A Novel Constrained Sampling Method for Efficient Exploration in Materials and Chemical Mixture Design
von: Schenk, Christina, et al.
Veröffentlicht: (2024)

Electronic and structural properties of group IV materials and their polytypes
von: Ziembicki, Jakub, et al.
Veröffentlicht: (2024)

Comparison of various schemes to determine the Young's modulus of disordered carbon nanomembranes compared to crystalline graphene
von: Mihlan, L., et al.
Veröffentlicht: (2024)

Topology-Driven Goodness-of-Fit Tests in Arbitrary Dimensions
von: Dłotko, Paweł, et al.
Veröffentlicht: (2022)

Normal and inverse magnetocaloric effects in structurally disordered Laves phase Y$_{1-x}$Gd$_{x}$Co$_{2}$ (0 $\leq$ x $\leq$ 1) compounds
von: Pierunek, Natalia, et al.
Veröffentlicht: (2025)

Unsupervised identification of crystal defects from atomistic potential descriptors
von: Kývala, Lukáš, et al.
Veröffentlicht: (2024)

Exploring descriptors for titanium microstructure via digital fingerprints from variational autoencoders
von: White, Michael D., et al.
Veröffentlicht: (2024)

Multiple scales homogenisation of a porous viscoelastic material with rigid inclusions: application to lithium-ion battery electrodes
von: Foster, J. M., et al.
Veröffentlicht: (2024)

Limited Diffusion of Silicon in GaN: A DFT Study Supported by Experimental Evidence
von: Kawka, Karol, et al.
Veröffentlicht: (2025)

Machine learning interatomic potential for the low-modulus Ti-Nb-Zr alloys in the vicinity of dynamical instability
von: Mukhamedov, Boburjon, et al.
Veröffentlicht: (2024)

Enhancing composition-based materials property prediction by cross-modal knowledge transfer
von: Rubtsov, Ivan, et al.
Veröffentlicht: (2025)

An empirical formulation of accelerated molecular dynamics for simulating and predicting microstructure evolution in materials
von: Wan, Liang, et al.
Veröffentlicht: (2025)

Pore-geometry recognition: on the importance of quantifying similarity in nanoporous materials
von: Lee, Yongjin, et al.
Veröffentlicht: (2017)

Predicting room-temperature conductivity of Na-ion super ionic conductors with the minimal number of easily-accessible descriptors
von: Jang, Seong-Hoon, et al.
Veröffentlicht: (2024)

Accelerating material melting temperature predictions by implementing machine learning potentials in the SLUSCHI package
von: CampBell, Audrey, et al.
Veröffentlicht: (2024)

LATTE: an atomic environment descriptor based on Cartesian tensor contractions
von: Pellegrini, Franco, et al.
Veröffentlicht: (2024)

Mg nanostructures with controlled dominant c-plane or m-plane facets by DC magnetron sputter deposition
von: Borysiewicz, Michał A., et al.
Veröffentlicht: (2024)

Machine learning-driven elasticity prediction in advanced inorganic materials via convolutional neural networks
von: Liu, Yujie, et al.
Veröffentlicht: (2025)

Large Language Models for Material Property Predictions: elastic constant tensor prediction and materials design
von: Liu, Siyu, et al.
Veröffentlicht: (2024)

Meta-GGA dielectric-dependent and range-separated screened hybrid functional for reliable prediction of material properties
von: Jana, Subrata, et al.
Veröffentlicht: (2025)

A computationally efficient queue-based algorithm for simulating volume-controlled drainage under the influence of gravity on volumetric images of porous materials
von: Gostick, Jeff T, et al.
Veröffentlicht: (2024)

A thermodynamic approach to nonlinear ultrasonics for material state awareness and prognosis
von: Chillara, Vamshi Krishna
Veröffentlicht: (2016)

Descriptor and Graph-based Molecular Representations in Prediction of Copolymer Properties Using Machine Learning
von: Kazemi-Khasragh, Elaheh, et al.
Veröffentlicht: (2025)

Ab initio study of pressure-induced phase transition, band gaps and X-ray photoemission valence band spectra of YVO$_4$
von: Werwiński, M., et al.
Veröffentlicht: (2025)

Exploring high thermal conductivity polymers via interpretable machine learning with physical descriptors
von: Huang, Xiang, et al.
Veröffentlicht: (2023)

Topological descriptors for the electron density of inorganic solids
von: Szymanski, Nathan J., et al.
Veröffentlicht: (2025)

A physics-aware deep learning model for shear band formation around collapsing pores in shocked reactive materials
von: Cheng, Xinlun, et al.
Veröffentlicht: (2025)

Ring states in topological materials
von: Queiroz, Raquel, et al.
Veröffentlicht: (2024)

Large dynamical magnetic effective charges and anti-magnetoelectricity from spin and orbital origin in multiferroic BiCoO$_3$
von: Braun, Maxime, et al.
Veröffentlicht: (2024)

Lattice thermal conductivity and elastic modulus of XN4 (X=Be, Mg and Pt) 2D materials using machine learning interatomic potentials
von: Ghorbani, K., et al.
Veröffentlicht: (2022)

Manipulation of topology by electric field in breathing kagome lattice
von: Xie, Yu, et al.
Veröffentlicht: (2024)

SA-GAT-SR: Self-Adaptable Graph Attention Networks with Symbolic Regression for high-fidelity material property prediction
von: Liu, Junchi, et al.
Veröffentlicht: (2025)

Material elasticity determines scaling behaviour of cracking dynamics in porous materials: A precursor to crack percolation
von: Haque, Ruhul A. I., et al.
Veröffentlicht: (2024)

Polymorphic crystallites model for monolayer amorphous materials
von: Zhu, Le-Ye, et al.
Veröffentlicht: (2026)

Generative deep learning for the inverse design of materials
von: Long, Teng, et al.
Veröffentlicht: (2024)