Buchumschlag

AI-Guided Design and Optimization of Graphite-Based Anodes via Iterative Experimental Feedback

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Du, Qian, Sullivan, Mark M., Saal, James E., Huber, Florian
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

Evaluation of GlassNet for physics-informed machine learning of glass stability and glass-forming ability
von: Allec, Sarah I., et al.
Veröffentlicht: (2024)

Property-Guided Molecular Generation and Optimization via Latent Flows
von: Lobo, Alexander Arjun, et al.
Veröffentlicht: (2026)

Beyond Scalar Objectives: Expert-Feedback-Driven Autonomous Experimentation for Scientific Discovery at the Nanoscale
von: Bulanadi, Ralph, et al.
Veröffentlicht: (2026)

Beyond Optimization: Exploring Novelty Discovery in Autonomous Experiments
von: Bulanadi, Ralph, et al.
Veröffentlicht: (2025)

Honegumi: An Interface for Accelerating the Adoption of Bayesian Optimization in the Experimental Sciences
von: Baird, Sterling G., et al.
Veröffentlicht: (2025)

A Materials Map Integrating Experimental and Computational Data via Graph-Based Machine Learning for Enhanced Materials Discovery
von: Hashimoto, Yusuke, et al.
Veröffentlicht: (2025)

AMShortcut: An Inference- and Training-Efficient Inverse Design Model for Amorphous Materials
von: Lin, Yan, et al.
Veröffentlicht: (2026)

Quality-Weighted Vendi Scores And Their Application To Diverse Experimental Design
von: Nguyen, Quan, et al.
Veröffentlicht: (2024)

Learning ORDER-Aware Multimodal Representations for Composite Materials Design
von: Li, Xinyao, et al.
Veröffentlicht: (2026)

Thermodynamically-Informed Iterative Neural Operators for Heterogeneous Elastic Localization
von: Kelly, Conlain, et al.
Veröffentlicht: (2024)

Composite Material Design for Optimized Fracture Toughness Using Machine Learning
von: Jahromi, Mohammad Naqizadeh, et al.
Veröffentlicht: (2024)

SAGE-Amine: Generative Amine Design with Multi-Property Optimization for Efficient CO2 Capture
von: Lim, Hocheol, et al.
Veröffentlicht: (2025)

MatLLMSearch: Crystal Structure Discovery with Evolution-Guided Large Language Models
von: Gan, Jingru, et al.
Veröffentlicht: (2025)

DataScribe: An AI-Native, Policy-Aligned Web Platform for Multi-Objective Materials Design and Discovery
von: Singh, Divyanshu, et al.
Veröffentlicht: (2026)

MolCrystalFlow: Molecular Crystal Structure Prediction via Flow Matching
von: Zeng, Cheng, et al.
Veröffentlicht: (2026)

Deep Gaussian Process-based Cost-Aware Batch Bayesian Optimization for Complex Materials Design Campaigns
von: Alvi, Sk Md Ahnaf Akif, et al.
Veröffentlicht: (2025)

Generative Inverse Design of Crystal Structures via Diffusion Models with Transformers
von: Takahara, Izumi, et al.
Veröffentlicht: (2024)

Generative Multi-Objective Bayesian Optimization with Scalable Batch Evaluations for Sample-Efficient De Novo Molecular Design
von: Muthyala, Madhav R., et al.
Veröffentlicht: (2025)

Self-Optimizing Machine Learning Potential Assisted Automated Workflow for Highly Efficient Complex Systems Material Design
von: Li, Jiaxiang, et al.
Veröffentlicht: (2025)

Towards Self-Optimizing Electron Microscope: Robust Tuning of Aberration Coefficients via Physics-Aware Multi-Objective Bayesian Optimization
von: Pratiush, Utkarsh, et al.
Veröffentlicht: (2026)

Artificial Intelligence-Enabled Holistic Design of Catalysts Tailored for Semiconducting Carbon Nanotube Growth
von: Qian, Liu, et al.
Veröffentlicht: (2025)

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

Rethinking Gradient-Based Methods: Multi-Property Materials Design Beyond Differentiable Targets
von: Fujii, Akihiro, et al.
Veröffentlicht: (2024)

Inverse Design of Inorganic Compounds with Generative AI
von: Kneiding, Hannes, et al.
Veröffentlicht: (2026)

A Straightforward Gradient-Based Approach for High-Tc Superconductor Design: Leveraging Domain Knowledge via Adaptive Constraints
von: Fujii, Akihiro, et al.
Veröffentlicht: (2024)

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

Unifying Polymer Modeling and Design via a Conformation-Centric Generative Foundation Model
von: Wang, Fanmeng, et al.
Veröffentlicht: (2025)

Bayesian Co-navigation: Dynamic Designing of the Materials Digital Twins via Active Learning
von: Slautin, Boris N., et al.
Veröffentlicht: (2024)

Interpretable SHAP-bounded Bayesian Optimization for Underwater Acoustic Metamaterial Coating Design
von: Weeratunge, Hansani, et al.
Veröffentlicht: (2025)

Automated Machine Learning Pipeline: Large Language Models-Assisted Automated Dataset Generation for Training Machine-Learned Interatomic Potentials
von: Lahouari, Adam, et al.
Veröffentlicht: (2025)

Evaluating Universal Machine Learning Force Fields Against Experimental Measurements
von: Mannan, Sajid, et al.
Veröffentlicht: (2025)

opXRD: Open Experimental Powder X-ray Diffraction Database
von: Hollarek, Daniel, et al.
Veröffentlicht: (2025)

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

Explainable AI for Curie Temperature Prediction in Magnetic Materials
von: Ajaib, M. Adeel, et al.
Veröffentlicht: (2025)

Modeling and Inverse Identification of Interfacial Heat Conduction in Finite Layer and Semi-Infinite Substrate Systems via a Physics-Guided Neural Framework
von: Sha, Wenhao, et al.
Veröffentlicht: (2025)

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

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

Deep Learning Based Superconductivity: Prediction and Experimental Tests
von: Kaplan, Daniel, et al.
Veröffentlicht: (2024)

Stress and heat flux via automatic differentiation
von: Langer, Marcel F., et al.
Veröffentlicht: (2023)

Complete and Efficient Graph Transformers for Crystal Material Property Prediction
von: Yan, Keqiang, et al.
Veröffentlicht: (2024)