Buchumschlag

Generative Discovery of Magnetic Insulators under Competing Physical Constraints

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zeng, Qiulin, Chowdhury, Tahiya, Hossain, Md Shafayat
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Materials Science Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Expanding the extreme-k dielectric materials space through physics-validated generative reasoning
von: Hridoy, Hossain, et al.
Veröffentlicht: (2026)

Computational Thinking with Computer Vision: Developing AI Competency in an Introductory Computer Science Course
von: Chowdhury, Tahiya
Veröffentlicht: (2025)

A Generation Framework with Strict Constraints for Crystal Materials Design
von: Huang, Chao, et al.
Veröffentlicht: (2024)

LLM-Driven Discovery of High-Entropy Catalysts via Retrieval-Augmented Generation
von: Scientists, AI, et al.
Veröffentlicht: (2026)

Finetuning-Free Diffusion Model with Adaptive Constraint Guidance for Inorganic Crystal Structure Generation
von: de Lambilly, Auguste, et al.
Veröffentlicht: (2026)

Sustainable Materials Discovery in the Era of Artificial Intelligence
von: Mannan, Sajid, et al.
Veröffentlicht: (2026)

AI-accelerated Discovery of Altermagnetic Materials
von: Gao, Ze-Feng, et al.
Veröffentlicht: (2023)

"DIVE" into Hydrogen Storage Materials Discovery with AI Agents
von: Zhang, Di, et al.
Veröffentlicht: (2025)

Aligning Reasoning LLMs for Materials Discovery with Physics-aware Rejection Sampling
von: Hyun, Lee, et al.
Veröffentlicht: (2025)

Artificial Intelligence and Generative Models for Materials Discovery -- A Review
von: Handoko, Albertus Denny, et al.
Veröffentlicht: (2025)

Toward Greater Autonomy in Materials Discovery Agents: Unifying Planning, Physics, and Scientists
von: Zhou, Lianhao, et al.
Veröffentlicht: (2025)

Guided Diffusion for the Discovery of New Superconductors
von: Prakash, Pawan, et al.
Veröffentlicht: (2025)

Materials-Discovery Workflows Guided by Symbolic Regression: Identifying Acid-Stable Oxides for Electrocatalysis
von: Nair, Akhil S., et al.
Veröffentlicht: (2024)

CycleChemist: A Dual-Pronged Machine Learning Framework for Organic Photovoltaic Discovery
von: Lam, Hou Hei, et al.
Veröffentlicht: (2025)

Beyond Structure: Revolutionising Materials Discovery via AI-Driven Synthesis Protocol-Property Relationships
von: Lambard, Guillaume
Veröffentlicht: (2026)

Parameter Selection for Analyzing Conversations with Autism Spectrum Disorder
von: Chowdhury, Tahiya, et al.
Veröffentlicht: (2024)

Machine Learning - Driven Materials Discovery: Unlocking Next-Generation Functional Materials - A review
von: Nematov, Dilshod, et al.
Veröffentlicht: (2025)

From Phase Prediction to Phase Design: A ReAct Agent Framework for High-Entropy Alloy Discovery
von: Peivaste, Iman, et al.
Veröffentlicht: (2026)

Global Stress Generation and Spatiotemporal Super-Resolution Physics-Informed Operator under Dynamic Loading for Two-Phase Random Materials
von: Xing, Tengfei, et al.
Veröffentlicht: (2025)

Benchmarking bandgap prediction in semiconductors under experimental and realistic evaluation settings
von: Wang, Haolin, et al.
Veröffentlicht: (2026)

LLMatDesign: Autonomous Materials Discovery with Large Language Models
von: Jia, Shuyi, et al.
Veröffentlicht: (2024)

MatExpert: Decomposing Materials Discovery by Mimicking Human Experts
von: Ding, Qianggang, et al.
Veröffentlicht: (2024)

Generative Hierarchical Materials Search
von: Yang, Sherry, et al.
Veröffentlicht: (2024)

Supervised Pretraining for Material Property Prediction
von: Rahman, Chowdhury Mohammad Abid, et al.
Veröffentlicht: (2025)

LLM-Fusion: A Novel Multimodal Fusion Model for Accelerated Material Discovery
von: Boyar, Onur, et al.
Veröffentlicht: (2025)

PriM: Principle-Inspired Material Discovery through Multi-Agent Collaboration
von: Lai, Zheyuan, et al.
Veröffentlicht: (2025)

Human-AI collaborative autonomous synthesis with pulsed laser deposition for remote epitaxy
von: Haque, Asraful, et al.
Veröffentlicht: (2025)

Coupling Language Models with Physics-based Simulation for Synthesis of Inorganic Materials
von: Staley, Edward W., et al.
Veröffentlicht: (2026)

AI-Guided Discovery of Novel Ionic Liquid Solvents for Industrial CO2 Capture
von: Garbelotto, Davide, et al.
Veröffentlicht: (2026)

Steering an Active Learning Workflow Towards Novel Materials Discovery via Queue Prioritization
von: Schwarting, Marcus, et al.
Veröffentlicht: (2025)

Measurements with Noise: Bayesian Optimization for Co-optimizing Noise and Property Discovery in Automated Experiments
von: Slautin, Boris N., et al.
Veröffentlicht: (2024)

PRISMat: Policy-Driven, Permutation-Invariant Autoregressive Material Generation
von: Schlesinger, Claire, et al.
Veröffentlicht: (2026)

The Rise of Generative AI for Metal-Organic Framework Design and Synthesis
von: Duan, Chenru, et al.
Veröffentlicht: (2025)

Materials Generation in the Era of Artificial Intelligence: A Comprehensive Survey
von: Li, Zhixun, et al.
Veröffentlicht: (2025)

Design Topological Materials by Reinforcement Fine-Tuned Generative Model
von: Xu, Haosheng, et al.
Veröffentlicht: (2025)

Efficient Generation of Molecular Clusters with Dual-Scale Equivariant Flow Matching
von: Subramanian, Akshay, et al.
Veröffentlicht: (2024)

LLM Agents for Knowledge Discovery in Atomic Layer Processing
von: Werbrouck, Andreas, et al.
Veröffentlicht: (2025)

SLayerGen: a Crystal Generative Model for all Space and Layer Groups
von: Chang, Rees, et al.
Veröffentlicht: (2026)

From Text to Test: AI-Generated Control Software for Materials Science Instruments
von: Fébba, Davi M, et al.
Veröffentlicht: (2024)

PhononBench:A Large-Scale Phonon-Based Benchmark for Dynamical Stability in Crystal Generation
von: Han, Xiao-Qi, et al.
Veröffentlicht: (2025)