Buchumschlag

AtomComposer: Discovering Chemical Space from First Principles with Reinforcement Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Hastrup, Bjarke, Cornet, Francois, Vegge, Tejs, Bhowmik, Arghya
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Materials Science
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

GO-Diff: Data-free and amortized global structure optimization
von: Rønne, Nikolaj, et al.
Veröffentlicht: (2025)

Global Plane Waves From Local Gaussians: Periodic Charge Densities in a Blink
von: Elsborg, Jonas, et al.
Veröffentlicht: (2026)

Acoustic Classification of Maritime Vessels using Learnable Filterbanks
von: Elsborg, Jonas, et al.
Veröffentlicht: (2025)

Reinforcement Learning for Chemical Ordering in Alloy Nanoparticles
von: Elsborg, Jonas, et al.
Veröffentlicht: (2025)

MolMiner: Towards Controllable, 3D-Aware, Fragment-Based Molecular Design
von: Ortega-Ochoa, Raul, et al.
Veröffentlicht: (2024)

ELECTRA: A Cartesian Network for 3D Charge Density Prediction with Floating Orbitals
von: Elsborg, Jonas, et al.
Veröffentlicht: (2025)

Shoot from the HIP: Hessian Interatomic Potentials without derivatives
von: Burger, Andreas, et al.
Veröffentlicht: (2025)

Deep Learning-Based Surrogate Creep Modelling in Inconel 625: A High-Temperature Alloy Study
von: Das, Shubham, et al.
Veröffentlicht: (2025)

Autonomous nanoparticle synthesis by design
von: Anker, Andy S., et al.
Veröffentlicht: (2025)

A tomographic interpretation of structure-property relations for materials discovery
von: Ortega-Ochoa, Raul, et al.
Veröffentlicht: (2025)

CrysAtom: Distributed Representation of Atoms for Crystal Property Prediction
von: Mukherjee, Shrimon, et al.
Veröffentlicht: (2024)

A machine learning platform for development of low flammability polymers
von: Phan, Duy Nhat, et al.
Veröffentlicht: (2025)

Discovering High-Strength Alloys via Physics-Transfer Learning
von: Zhao, Yingjie, et al.
Veröffentlicht: (2024)

Transition States Energies from Machine Learning: An Application to Reverse Water-Gas Shift on Single-Atom Alloys
von: Cheula, Raffaele, et al.
Veröffentlicht: (2025)

Kinetic Langevin Diffusion for Crystalline Materials Generation
von: Cornet, François, et al.
Veröffentlicht: (2025)

Foundation Models for Discovery and Exploration in Chemical Space
von: Wadell, Alexius, et al.
Veröffentlicht: (2025)

Enhancing Machine Learning Potentials through Transfer Learning across Chemical Elements
von: Röcken, Sebastien, et al.
Veröffentlicht: (2025)

Sparks: Multi-Agent Artificial Intelligence Model Discovers Protein Design Principles
von: Ghafarollahi, Alireza, et al.
Veröffentlicht: (2025)

Open Materials Generation with Inference-Time Reinforcement Learning
von: Hoellmer, Philipp, et al.
Veröffentlicht: (2026)

Heterogeneous Peridynamic Neural Operators: Discover Biotissue Constitutive Law and Microstructure From Digital Image Correlation Measurements
von: Jafarzadeh, Siavash, et al.
Veröffentlicht: (2024)

Boltzmann Reinforcement Learning for Noise resilience in Analog Ising Machines
von: Choudhary, Aditya, et al.
Veröffentlicht: (2026)

QT-Net: Rethinking Evaluation of AI Models in Atomic Chemical Space
von: Crespo, Pablo Martínez, et al.
Veröffentlicht: (2026)

OXtal: An All-Atom Diffusion Model for Organic Crystal Structure Prediction
von: Jin, Emily, et al.
Veröffentlicht: (2025)

Machine Learning-Driven Creep Law Discovery Across Alloy Compositional Space
von: Chen, Hongshun, et al.
Veröffentlicht: (2026)

Toward Learning Latent-Variable Representations of Microstructures by Optimizing in Spatial Statistics Space
von: Hashemi, Sayed Sajad, et al.
Veröffentlicht: (2024)

ADA-GNN: Atom-Distance-Angle Graph Neural Network for Crystal Material Property Prediction
von: Huang, Jiao, et al.
Veröffentlicht: (2024)

Reasoning-Driven Design of Single Atom Catalysts via a Multi-Agent Large Language Model Framework
von: Mok, Dong Hyeon, et al.
Veröffentlicht: (2026)

Transformers Discover Molecular Structure Without Graph Priors
von: Kreiman, Tobias, et al.
Veröffentlicht: (2025)

Space Group Constrained Crystal Generation
von: Jiao, Rui, et al.
Veröffentlicht: (2024)

Polymorphism Crystal Structure Prediction with Adaptive Space Group Diversity Control
von: Omee, Sadman Sadeed, et al.
Veröffentlicht: (2025)

MiST: Understanding the Role of Mid-Stage Scientific Training in Developing Chemical Reasoning Models
von: Bran, Andres M, et al.
Veröffentlicht: (2025)

Novelty-Driven Target-Space Discovery in Automated Electron and Scanning Probe Microscopy
von: Pratiush, Utkarsh, et al.
Veröffentlicht: (2026)

Integrating Predictive and Generative Capabilities by Latent Space Design via the DKL-VAE Model
von: Slautin, Boris N., et al.
Veröffentlicht: (2025)

ReciNet: Reciprocal Space-Aware Long-Range Modeling for Crystalline Property Prediction
von: Nie, Jianan, et al.
Veröffentlicht: (2025)

Improved Uncertainty Estimation of Graph Neural Network Potentials Using Engineered Latent Space Distances
von: Musielewicz, Joseph, et al.
Veröffentlicht: (2024)

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

Learning Physics-Consistent Material Behavior from Dynamic Displacements
von: Han, Zhichao, et al.
Veröffentlicht: (2024)

AIMatDesign: Knowledge-Augmented Reinforcement Learning for Inverse Materials Design under Data Scarcity
von: Yu, Yeyong, et al.
Veröffentlicht: (2025)

Reduced Order Modeling of Energetic Materials Using Physics-Aware Recurrent Convolutional Neural Networks in a Latent Space (LatentPARC)
von: Gray, Zoë J., et al.
Veröffentlicht: (2025)

Learning Magnetic Order Classification from Large-Scale Materials Databases
von: Fahmy, Ahmed E.
Veröffentlicht: (2025)