「cond-mat.mtrl-sci」カテゴリーアーカイブ

MechAgents: Large language model multi-agent collaborations can solve mechanics problems, generate new data, and integrate knowledge

投稿日: 2023年11月15日 作成者: jarxiv

要約 数値的手法を使用して力学の問題を解決するには、関連する知識と理論を検索し、 … 続きを読む →

カテゴリー: cond-mat.dis-nn, cond-mat.mtrl-sci, cs.AI, cs.CL, cs.LG | MechAgents: Large language model multi-agent collaborations can solve mechanics problems, generate new data, and integrate knowledge はコメントを受け付けていません

Efficient Surrogate Models for Materials Science Simulations: Machine Learning-based Prediction of Microstructure Properties

投稿日: 2023年11月15日 作成者: jarxiv

要約 いわゆる構造と特性の関係を決定、理解、予測することは、化学、生物学、気象学 … 続きを読む →

カテゴリー: cond-mat.mtrl-sci, cs.CV, cs.LG | Efficient Surrogate Models for Materials Science Simulations: Machine Learning-based Prediction of Microstructure Properties はコメントを受け付けていません

Learning material synthesis-structure-property relationship by data fusion: Bayesian Co-regionalization N-Dimensional Piecewise Function Learning

投稿日: 2023年11月13日 作成者: jarxiv

要約 量子コンピューティング、炭素回収、低コストの医用画像処理などの次世代技術を … 続きを読む →

カテゴリー: cond-mat.mtrl-sci, cs.LG | Learning material synthesis-structure-property relationship by data fusion: Bayesian Co-regionalization N-Dimensional Piecewise Function Learning はコメントを受け付けていません

Mixed-Variable Global Sensitivity Analysis For Knowledge Discovery And Efficient Combinatorial Materials Design

投稿日: 2023年10月24日 作成者: jarxiv

要約 Global Sensitivity Analysis (GSA) は、モ … 続きを読む →

カテゴリー: cond-mat.mtrl-sci, cs.LG, stat.ME, stat.ML | Mixed-Variable Global Sensitivity Analysis For Knowledge Discovery And Efficient Combinatorial Materials Design はコメントを受け付けていません

MechGPT, a language-based strategy for mechanics and materials modeling that connects knowledge across scales, disciplines and modalities

投稿日: 2023年10月17日 作成者: jarxiv

要約 何世紀にもわたって、研究者は異なる知識領域を結び付ける方法を模索してきまし … 続きを読む →

カテゴリー: cond-mat.mtrl-sci, cs.CL | MechGPT, a language-based strategy for mechanics and materials modeling that connects knowledge across scales, disciplines and modalities はコメントを受け付けていません

ForceGen: End-to-end de novo protein generation based on nonlinear mechanical unfolding responses using a protein language diffusion model

投稿日: 2023年10月17日 作成者: jarxiv

要約 自然は進化を通じて、メカノバイオロジーにおいて重要な役割を果たす優れた機械 … 続きを読む →

カテゴリー: cond-mat.mes-hall, cond-mat.mtrl-sci, cs.CL, cs.LG, q-bio.BM | ForceGen: End-to-end de novo protein generation based on nonlinear mechanical unfolding responses using a protein language diffusion model はコメントを受け付けていません

Accurate melting point prediction through autonomous physics-informed learning

投稿日: 2023年10月16日 作成者: jarxiv

要約 NPT アンサンブルにおける共存シミュレーションから自律的に学習して融点を … 続きを読む →

カテゴリー: cond-mat.mtrl-sci, cs.AI, physics.comp-ph | Accurate melting point prediction through autonomous physics-informed learning はコメントを受け付けていません

Reconstructing Materials Tetrahedron: Challenges in Materials Information Extraction

投稿日: 2023年10月13日 作成者: jarxiv

要約 新しい物質の発見には、何世紀にもわたって人類の進歩を推進してきた文書化され … 続きを読む →

カテゴリー: cond-mat.mtrl-sci, cs.CL | Reconstructing Materials Tetrahedron: Challenges in Materials Information Extraction はコメントを受け付けていません

HoneyBee: Progressive Instruction Finetuning of Large Language Models for Materials Science

投稿日: 2023年10月13日 作成者: jarxiv

要約 私たちは、材料科学における信頼できるデータキュレーションのための命令ベース … 続きを読む →

カテゴリー: cond-mat.mtrl-sci, cs.AI, cs.CL | HoneyBee: Progressive Instruction Finetuning of Large Language Models for Materials Science はコメントを受け付けていません

Spline-based neural network interatomic potentials: blending classical and machine learning models

投稿日: 2023年10月5日 作成者: jarxiv

要約 機械学習 (ML) の原子間ポテンシャル (IP) は、トレーニング対象の … 続きを読む →

カテゴリー: cond-mat.mtrl-sci, cs.LG | Spline-based neural network interatomic potentials: blending classical and machine learning models はコメントを受け付けていません