Buchumschlag

Fidelity of Machine Learned Potentials: Quantitative Assessment for Protonated Oxalate

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Qu, Chen, Houston, Paul L., Yu, Qi, Nandi, Apurba, Bowman, Joel M., Andreichev, Valerii, Käser, Silvan, Meuwly, Markus
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

Dynamics of Protonated Oxalate from Machine-Learned Simulations and Experiment: Infrared Signatures, Proton Transfer Dynamics and Tunneling Splittings
von: Andreichev, Valerii, et al.
Veröffentlicht: (2025)

High-Accuracy Molecular Simulations with Machine-Learning Potentials and Semiclassical Approximations to Quantum Dynamics
von: Andreichev, Valerii, et al.
Veröffentlicht: (2026)

Design, Assessment, and Application of Machine Learning Potential Energy Surfaces
von: Andreichev, Valerii, et al.
Veröffentlicht: (2025)

No Headache for PIPs: A PIP Potential for Aspirin Outperforms Other Machine-Learned Potentials
von: Houston, Paul L., et al.
Veröffentlicht: (2024)

A $Δ$-Machine Learning Approach for Force Fields, Illustrated by a CCSD(T) 4-body Correction to the MB-pol Water Potential
von: Qu, Chen, et al.
Veröffentlicht: (2022)

Tripeptide-Dynamics from Empirical and Machine-Learned Energy Functions
von: Aydin, Sena, et al.
Veröffentlicht: (2025)

VPT2 Calculations of Vibrational Energies of CH3COOC6H4COOH Done in Seconds on a Laptop Using a Machine Learned Potential
von: Kotaru, Saikiran, et al.
Veröffentlicht: (2026)

Outlier-Detection for Reactive Machine Learned Potential Energy Surfaces
von: Vazquez-Salazar, Luis Itza, et al.
Veröffentlicht: (2024)

"Gold-Standard" $Δ$-Machine Learned and Transferable Potential for Linear Alkanes
von: Qu, Chen, et al.
Veröffentlicht: (2025)

Towards Large-Scale Condensed Phase Simulations using Machine Learned Energy Functions
von: Boittier, Eric D., et al.
Veröffentlicht: (2025)

The Bigger the Better? Accurate Molecular Potential Energy Surfaces from Minimalist Neural Networks
von: Käser, Silvan, et al.
Veröffentlicht: (2024)

$Δ$-Machine Learning to Elevate DFT-based Potentials and a Force Field to the CCSD(T) Level Illustrated for Ethanol
von: Nandi, Apurba, et al.
Veröffentlicht: (2024)

Accurate Tunneling Splittings for Ever-Larger Molecules from Transfer-Learned, CCSD(T) Quality Energy Functions
von: Käser, Silvan, et al.
Veröffentlicht: (2024)

Permutationally invariant polynomial regression for energies and gradients, using reverse differentiation, achieves orders of magnitude speed-up with high precision compared to other machine learning methods
von: Houston, Paul L., et al.
Veröffentlicht: (2021)

End-to-End Photodissociation Dynamics of Energized H$_2$COO
von: Yin, Cangtao, et al.
Veröffentlicht: (2025)

The quantum nature of ubiquitous vibrational features revealed for ethylene glycol
von: Nandi, Apurba, et al.
Veröffentlicht: (2025)

Reaction Dynamics of the H + HeH$^+$ $\rightarrow$ He + H$_2^+$ System
von: Upadhyay, Meenu, et al.
Veröffentlicht: (2025)

Diffusion and Spectroscopy of H$_2$ in Myoglobin
von: Käser, Jiri, et al.
Veröffentlicht: (2024)

Cluster Models for Next-Generation, Machine-Learning-Based Energy Functions for Molecular Simulations
von: Wang, JingChun, et al.
Veröffentlicht: (2025)

Tell machine learning potentials what they are needed for: Simulation-oriented training exemplified for glycine
von: Ge, Fuchun, et al.
Veröffentlicht: (2024)

Can We Learn the Energy of Sublimation of Ice from Water Clusters?
von: Bowman, Joe, et al.
Veröffentlicht: (2024)

Explicit, Machine-Learned Two-Body Potentials for Molecular Simulations
von: Chaton, Kham Lek, et al.
Veröffentlicht: (2026)

Extending the atomic decomposition and many-body representation, a chemistry-motivated monomer-centered approach for machine learning potentials
von: Yu, Qi, et al.
Veröffentlicht: (2024)

Machine Learning-Based Enhancements of Empirical Energy Functions: Structure, Dynamics and Spectroscopy of Modified Benzenes
von: Chaton, Kham Lek, et al.
Veröffentlicht: (2024)

Assessing PIP and sGDML Potential Energy Surfaces for H3O2-
von: Pandey, Priyanka, et al.
Veröffentlicht: (2024)

Towards Quantitative Reaction Dynamics of O3
von: Martin-Barrios, Raidel, et al.
Veröffentlicht: (2026)

Full-Dimensional Reactive Potential Energy Surfaces for OCS$^+$ $\rightarrow$ CO+S$^+$ Dissociation: Ground and Excited States
von: Yin, Cangtao, et al.
Veröffentlicht: (2026)

CO$_2$ and NO$_2$ Formation on Amorphous Solid Water
von: Upadhyay, Meenu, et al.
Veröffentlicht: (2024)

${\it Asparagus}$: A Toolkit for Autonomous, User-Guided Construction of Machine-Learned Potential Energy Surfaces
von: Töpfer, Kai, et al.
Veröffentlicht: (2024)

Full Reaction Pathway Dynamics for Atmospheric Decomposition Reactions: The Photodissociation of H$_2$COO
von: Yin, Cangtao, et al.
Veröffentlicht: (2026)

Structure and Spectroscopy of Criegee Intermediates in Gas- and Aqueous Environments
von: Yin, Cangtao, et al.
Veröffentlicht: (2025)

OH-Formation Following Vibrationally Induced Reaction Dynamics of H$_2$COO
von: Song, Kaisheng, et al.
Veröffentlicht: (2024)

A State-Space-View of Atom-Diatom Reactions Relevant to Rarefied Gas Flow
von: Vijayakumar, Abhirami, et al.
Veröffentlicht: (2025)

Efficient, Equivariant Predictions of Distributed Charge Models
von: Boittier, Eric D., et al.
Veröffentlicht: (2026)

Kernel-based Minimal Distributed Charges: A Conformationally Dependent ESP-Model for Molecular Simulations
von: Boittier, Eric, et al.
Veröffentlicht: (2024)

Structure and Dynamics of Deep Eutectic Systems from Cluster-Optimized Energy Functions
von: Töpfer, Kai, et al.
Veröffentlicht: (2025)

SCN as a Local Probe of Protein Structural Dynamics
von: Aydin, Sena, et al.
Veröffentlicht: (2024)

Energy Relaxation of N$_2$O in Gaseous, Supercritical and Liquid Xenon and SF$_6$
von: Töpfer, Kai, et al.
Veröffentlicht: (2024)

Augmenting chemical databases for atomistic machine learning by sampling conformational space
von: Vazquez-Salazar, Luis Itza, et al.
Veröffentlicht: (2025)

High-Energy Reaction Dynamics of N$_{3}$
von: Wang, JingChun, et al.
Veröffentlicht: (2024)