Copertina

Equivariant Many-body Message Passing Interatomic Potentials for Magnetic Materials

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Ho, Cheuk Hin, van der Oord, Cas, Darby, James P., Keane, Theo, Benson, Raz L., Espinoza, Cristian Rebolledo, Kulkarni, Rutvij, Spinu, Elina, Papanikolaou, Michail, Tomsett, Richard, Forrest, Robert M., Bean, Jonathan J., Csányi, Gábor, Ortner, Christoph
Natura:	Preprint
Pubblicazione:	2026
Soggetti:	Materials Science
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Flexible Uncertainty Calibration for Machine-Learned Interatomic Potentials
di: Ho, Cheuk Hin, et al.
Pubblicazione: (2025)

Many-Body Coarse-Grained Molecular Dynamics with the Atomic Cluster Expansion
di: Wang, Yangshuai, et al.
Pubblicazione: (2025)

Node-Equivariant Message Passing for Efficient and Accurate Machine Learning Interatomic Potentials
di: Zhang, Yaolong, et al.
Pubblicazione: (2025)

Equivariant Matrix Function Neural Networks
di: Batatia, Ilyes, et al.
Pubblicazione: (2023)

Random Spin Committee Approach For Smooth Interatomic Potentials
di: Cărare, Vlad, et al.
Pubblicazione: (2024)

Atomic Cluster Expansion without Self-Interaction
di: Ho, Cheuk Hin, et al.
Pubblicazione: (2024)

Bayesian E(3)-Equivariant Interatomic Potential with Iterative Restratification of Many-body Message Passing
di: Willow, Soohaeng Yoo, et al.
Pubblicazione: (2025)

Benchmarking of machine learning interatomic potentials for reactive hydrogen dynamics at metal surfaces
di: Stark, Wojciech G., et al.
Pubblicazione: (2024)

Self-consistent Coulomb interactions for machine learning interatomic potentials
di: Thomas, Jack, et al.
Pubblicazione: (2024)

Regularity Priors for the Linear Atomic Cluster Expansion
di: Darby, James P., et al.
Pubblicazione: (2026)

Design Space of Self--Consistent Electrostatic Machine Learning Interatomic Potentials
di: Baldwin, William J., et al.
Pubblicazione: (2026)

Systematic Fine-Tuning of MACE Interatomic Potentials for Catalysis
di: Karimitari, Nima, et al.
Pubblicazione: (2026)

Beyond Canonicalization: How Tensorial Messages Improve Equivariant Message Passing
di: Lippmann, Peter, et al.
Pubblicazione: (2024)

E(n) Equivariant Message Passing Cellular Networks
di: Kovač, Veljko, et al.
Pubblicazione: (2024)

Clifford Group Equivariant Simplicial Message Passing Networks
di: Liu, Cong, et al.
Pubblicazione: (2024)

Stochastic Reconfiguration with Warm-Started SVD
di: Zhou, Dexuan, et al.
Pubblicazione: (2025)

Scalable Foundation Interatomic Potentials via Message-Passing Pruning and Graph Partitioning
di: Kong, Lingyu, et al.
Pubblicazione: (2025)

EDUCAȚIA PENTRU TOLERANȚĂ ÎN CONTEXTUL GLOBALIZĂRI
di: Spinu, Stela
Pubblicazione: (2021)

THE ROLE OF COMMUNICATION IN NEUROLOGY MALPRACTICE CASES
di: Spinu, Stela
Pubblicazione: (2025)

Higher-Rank Irreducible Cartesian Tensors for Equivariant Message Passing
di: Zaverkin, Viktor, et al.
Pubblicazione: (2024)

Equivariant Electronic Hamiltonian Prediction with Many-Body Message Passing
di: Qian, Chen, et al.
Pubblicazione: (2025)

Investigating Ionic Diffusivity in Amorphous Solid Electrolytes using Machine Learned Interatomic Potentials
di: Seth, Aqshat, et al.
Pubblicazione: (2024)

How Graph Neural Network Interatomic Potentials Extrapolate: Role of the Message-Passing Algorithm
di: Kang, Sungwoo
Pubblicazione: (2024)

Analysis of Cross-Domain Message Passing for OTFS Transmissions
di: Chong, Ruoxi, et al.
Pubblicazione: (2024)

Resonances in reflective Hamiltonian Monte Carlo
di: Kroupa, Namu, et al.
Pubblicazione: (2025)

Sharp estimates for the convergence rate of Orthomin(k) for a class of linear systems
di: Draganescu, Andrei, et al.
Pubblicazione: (2011)

The High Cost of Data Augmentation for Learning Equivariant Models
di: Klintebäck, Henri, et al.
Pubblicazione: (2026)

False Metallization in Short-Ranged Machine Learned Interatomic Potentials
di: Parker, Isaac J., et al.
Pubblicazione: (2026)

Equivariant Evidential Deep Learning for Interatomic Potentials
di: Wang, Zhongyao, et al.
Pubblicazione: (2026)

Equivariant Interatomic Potentials without Tensor Products
di: Reschützegger, Thiago, et al.
Pubblicazione: (2026)

Scalable Data-Driven Basis Selection for Linear Machine Learning Interatomic Potentials
di: Torabi, Tina, et al.
Pubblicazione: (2025)

Guest Editorial: Special Topic on Software for Atomistic Machine Learning
di: Rupp, Matthias, et al.
Pubblicazione: (2024)

Bond-Network Entropy Governs Heat Transport in Coordination-Disordered Solids
di: Iwanowski, Kamil, et al.
Pubblicazione: (2024)

Amortized Inference for Correlated Discrete Choice Models via Equivariant Neural Networks
di: Huch, Easton, et al.
Pubblicazione: (2026)

Better without U: Impact of Selective Hubbard U Correction on Foundational MLIPs
di: Warford, Thomas, et al.
Pubblicazione: (2026)

A Simple and Efficient Equivariant Message Passing Neural Network Model for Non-Local Potential Energy Surface
di: Wu, Yibin, et al.
Pubblicazione: (2024)

Hybrid Approximate Message Passing
di: Rangan, Sundeep, et al.
Pubblicazione: (2011)

Heterophily-informed Message Passing
di: Wang, Haishan, et al.
Pubblicazione: (2025)

Graph Unitary Message Passing
di: Qiu, Haiquan, et al.
Pubblicazione: (2024)

DFT Accuracy on Crystal Structure Prediction with Machine Learning Interatomic Potentials
di: Midgley, Laurence I., et al.
Pubblicazione: (2026)