「cond-mat.mtrl-sci」カテゴリーアーカイブ

Equivariant Parameter Sharing for Porous Crystalline Materials

投稿日: 2023年11月30日 作成者: jarxiv

要約 第一原理モデルを使用して実行されるシミュレーションは多くの場合、計算コスト … 続きを読む →

カテゴリー: cond-mat.mtrl-sci, cs.LG | Equivariant Parameter Sharing for Porous Crystalline Materials はコメントを受け付けていません

Machine learning force-field models for metallic spin glass

投稿日: 2023年11月29日 作成者: jarxiv

要約 希薄磁性合金などの金属スピン グラス システムは、長距離の電子媒介の効果的 … 続きを読む →

カテゴリー: cond-mat.dis-nn, cond-mat.mtrl-sci, cs.LG | Machine learning force-field models for metallic spin glass はコメントを受け付けていません

EGraFFBench: Evaluation of Equivariant Graph Neural Network Force Fields for Atomistic Simulations

投稿日: 2023年11月27日 作成者: jarxiv

要約 等変グラフ ニューラル ネットワーク力場 (EGraFF) は、グラフの固 … 続きを読む →

カテゴリー: cond-mat.mtrl-sci, cs.LG | EGraFFBench: Evaluation of Equivariant Graph Neural Network Force Fields for Atomistic Simulations はコメントを受け付けていません

Recurrent neural networks and transfer learning for elasto-plasticity in woven composites

投稿日: 2023年11月23日 作成者: jarxiv

要約 この記事では、計算集約型の織物複合材料のメソスケール シミュレーションの代 … 続きを読む →

カテゴリー: cond-mat.mtrl-sci, cs.LG | Recurrent neural networks and transfer learning for elasto-plasticity in woven composites はコメントを受け付けていません

Machine-learning-accelerated simulations to enable automatic surface reconstruction

投稿日: 2023年11月22日 作成者: jarxiv

要約 材料の表面と界面を理解することは、触媒やエレクトロニクスなどのアプリケーシ … 続きを読む →

カテゴリー: cond-mat.mtrl-sci, cs.LG | Machine-learning-accelerated simulations to enable automatic surface reconstruction はコメントを受け付けていません

Machine-Learned Atomic Cluster Expansion Potentials for Fast and Quantum-Accurate Thermal Simulations of Wurtzite AlN

投稿日: 2023年11月21日 作成者: jarxiv

要約 原子クラスター拡張 (ACE) フレームワークを使用して、ウルツ鉱窒化アル … 続きを読む →

カテゴリー: cond-mat.mtrl-sci, cs.LG, physics.comp-ph | Machine-Learned Atomic Cluster Expansion Potentials for Fast and Quantum-Accurate Thermal Simulations of Wurtzite AlN はコメントを受け付けていません

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