Buchumschlag

Modelling Gas-Phase Reaction Kinetics with Guided Particle Diffusion Sampling

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Millard, Andrew, Zhao, Zheng, Pedersen, Henrik
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Computational Physics Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Particle-Guided Diffusion for Gas-Phase Reaction Kinetics
von: Millard, Andrew, et al.
Veröffentlicht: (2026)

Particle-Guided Diffusion Models for Partial Differential Equations
von: Millard, Andrew, et al.
Veröffentlicht: (2026)

Tailoring Frictional Properties of Surfaces Using Diffusion Models
von: Nordhagen, Even Marius, et al.
Veröffentlicht: (2024)

Humble your Overconfident Networks: Unlearning Overfitting via Sequential Monte Carlo Tempered Deep Ensembles
von: Millard, Andrew, et al.
Veröffentlicht: (2025)

MDDM: A Molecular Dynamics Diffusion Model to Predict Particle Self-Assembly
von: Ferguson, Kevin, et al.
Veröffentlicht: (2025)

Configuration Interaction Guided Sampling with Interpretable Restricted Boltzmann Machine
von: Hernandez-Martinez, Jorge I., et al.
Veröffentlicht: (2024)

Generative-Model-Based Fully 3D PET Image Reconstruction by Conditional Diffusion Sampling
von: Webber, George, et al.
Veröffentlicht: (2024)

Consistent Sampling and Simulation: Molecular Dynamics with Energy-Based Diffusion Models
von: Plainer, Michael, et al.
Veröffentlicht: (2025)

A Priori Sampling of Transition States with Guided Diffusion
von: Lim, Hyukjun, et al.
Veröffentlicht: (2026)

Guided Diffusion Sampling for Precipitation Forecast Interventions
von: Ueyama, Ayumu, et al.
Veröffentlicht: (2026)

Kinetic Interacting Particle Langevin Monte Carlo
von: Oliva, Paul Felix Valsecchi, et al.
Veröffentlicht: (2024)

Self-Tuning Hamiltonian Monte Carlo for Accelerated Sampling
von: Christiansen, Henrik, et al.
Veröffentlicht: (2023)

Empirical Sample Complexity of Neural Network Mixed State Reconstruction
von: Zhao, Haimeng, et al.
Veröffentlicht: (2023)

Generative Model for Constructing Reaction Path from Initial to Final States
von: Hayashi, Akihide, et al.
Veröffentlicht: (2024)

Generative Learning of the Solution of Parametric Partial Differential Equations Using Guided Diffusion Models and Virtual Observations
von: Gao, Han, et al.
Veröffentlicht: (2024)

Physics-Guided Fair Graph Sampling for Water Temperature Prediction in River Networks
von: He, Erhu, et al.
Veröffentlicht: (2024)

Regenerative Particle Thompson Sampling
von: Zhou, Zeyu, et al.
Veröffentlicht: (2022)

A Model-Guided Neural Network Method for the Inverse Scattering Problem
von: Tsang, Olivia, et al.
Veröffentlicht: (2025)

Adaptive Uncertainty-Guided Model Selection for Data-Driven PDE Discovery
von: Thanasutives, Pongpisit, et al.
Veröffentlicht: (2023)

FieldSeer I: Physics-Guided World Models for Long-Horizon Electromagnetic Dynamics under Partial Observability
von: Guo, Ziheng, et al.
Veröffentlicht: (2025)

Diffusion Model Guided Sampling with Pixel-Wise Aleatoric Uncertainty Estimation
von: De Vita, Michele, et al.
Veröffentlicht: (2024)

DPM-Solver++: Fast Solver for Guided Sampling of Diffusion Probabilistic Models
von: Lu, Cheng, et al.
Veröffentlicht: (2022)

FunDiff: Diffusion Models over Function Spaces for Physics-Informed Generative Modeling
von: Wang, Sifan, et al.
Veröffentlicht: (2025)

Consistent Projection of Langevin Dynamics: Preserving Thermodynamics and Kinetics in Coarse-Grained Models
von: Nateghi, Vahid, et al.
Veröffentlicht: (2025)

Utilising Gradient-Based Proposals Within Sequential Monte Carlo Samplers for Training of Partial Bayesian Neural Networks
von: Millard, Andrew, et al.
Veröffentlicht: (2025)

Guiding Generative Models to Uncover Diverse and Novel Crystals via Reinforcement Learning
von: Park, Hyunsoo, et al.
Veröffentlicht: (2025)

Particle Denoising Diffusion Sampler
von: Phillips, Angus, et al.
Veröffentlicht: (2024)

MENO: Hybrid Matrix Exponential-based Neural Operator for Stiff ODEs. Application to Thermochemical Kinetics
von: Zanardi, Ivan, et al.
Veröffentlicht: (2025)

HeatGen: A Guided Diffusion Framework for Multiphysics Heat Sink Design Optimization
von: Keramati, Hadi, et al.
Veröffentlicht: (2025)

A Physics-Guided Probabilistic Surrogate Modeling Framework for Digital Twins of Underwater Radiated Noise
von: Deo, Indu Kant, et al.
Veröffentlicht: (2025)

Jarzynski Reweighting and Sampling Dynamics for Training Energy-Based Models: Theoretical Analysis of Different Transition Kernels
von: Carbone, Davide
Veröffentlicht: (2025)

Flow Annealed Importance Sampling Bootstrap meets Differentiable Particle Physics
von: Kofler, Annalena, et al.
Veröffentlicht: (2024)

Diffusion Guided Language Modeling
von: Lovelace, Justin, et al.
Veröffentlicht: (2024)

Support Vector Machine Guided Reproducing Kernel Particle Method for Image-Based Modeling of Microstructures
von: Wang, Yanran, et al.
Veröffentlicht: (2023)

Particle-based plasma simulation using a graph neural network
von: Mlinarević, Marin, et al.
Veröffentlicht: (2025)

Self-Guided Generation of Minority Samples Using Diffusion Models
von: Um, Soobin, et al.
Veröffentlicht: (2024)

Exploring End-to-end Differentiable Neural Charged Particle Tracking -- A Loss Landscape Perspective
von: Kortus, Tobias, et al.
Veröffentlicht: (2024)

Energy-Efficient Sampling Using Stochastic Magnetic Tunnel Junctions
von: Alder, Nicolas, et al.
Veröffentlicht: (2024)

Incorporating the ChEES Criterion into Sequential Monte Carlo Samplers
von: Millard, Andrew, et al.
Veröffentlicht: (2025)

Diverse Sampling in Diffusion Models with Marginal Preserving Particle Guidance
von: Vinograd, Gal, et al.
Veröffentlicht: (2026)