-
最近の投稿
- Towards An Unsupervised Learning Scheme for Efficiently Solving Parameterized Mixed-Integer Programs
- RAGONITE: Iterative Retrieval on Induced Databases and Verbalized RDF for Conversational QA over KGs with RAG
- Graph Neural Networks Are Evolutionary Algorithms
- Dora: Sampling and Benchmarking for 3D Shape Variational Auto-Encoders
- Open-Vocabulary Mobile Manipulation Based on Double Relaxed Contrastive Learning with Dense Labeling
-
最近のコメント
表示できるコメントはありません。 cs.AI (31385) cs.CL (23738) cs.CR (2434) cs.CV (37743) cs.LG (36256) cs.RO (18352) cs.SY (2813) eess.IV (4535) eess.SY (2807) stat.ML (4810)
「cond-mat.mtrl-sci」カテゴリーアーカイブ
Deconstructing equivariant representations in molecular systems
要約 最近の等変モデルは、化学的特性の予測だけでなく、分子や材料の動的シミュレー … 続きを読む
カテゴリー: cond-mat.mtrl-sci, cs.LG, physics.chem-ph
Deconstructing equivariant representations in molecular systems はコメントを受け付けていません
Stability-Aware Training of Machine Learning Force Fields with Differentiable Boltzmann Estimators
要約 機械学習力場 (MLFF) は、分子動力学 (MD) シミュレーションの非 … 続きを読む
カテゴリー: cond-mat.dis-nn, cond-mat.mtrl-sci, cs.LG, physics.chem-ph, physics.comp-ph
Stability-Aware Training of Machine Learning Force Fields with Differentiable Boltzmann Estimators はコメントを受け付けていません
Measurements with Noise: Bayesian Optimization for Co-optimizing Noise and Property Discovery in Automated Experiments
要約 我々は、自動化された実験サイクルにステップ内ノイズ最適化を統合するベイズ最 … 続きを読む
カテゴリー: cond-mat.mtrl-sci, cs.AI, cs.LG
Measurements with Noise: Bayesian Optimization for Co-optimizing Noise and Property Discovery in Automated Experiments はコメントを受け付けていません
Are LLMs Ready for Real-World Materials Discovery?
要約 大規模言語モデル (LLM) は、材料科学の研究を加速する強力な言語処理ツ … 続きを読む
カテゴリー: cond-mat.mtrl-sci, cs.AI, cs.CL, cs.LG
Are LLMs Ready for Real-World Materials Discovery? はコメントを受け付けていません
Model-free quantification of completeness, uncertainties, and outliers in atomistic machine learning using information theory
要約 情報の正確な記述は、トレーニング セットの作成、不確実性定量化 (UQ) … 続きを読む
カテゴリー: cond-mat.mtrl-sci, cs.LG, physics.chem-ph
Model-free quantification of completeness, uncertainties, and outliers in atomistic machine learning using information theory はコメントを受け付けていません
Sampling Latent Material-Property Information From LLM-Derived Embedding Representations
要約 大規模言語モデル (LLM) から派生したベクトル埋め込みは、文献から潜在 … 続きを読む
カテゴリー: cond-mat.mtrl-sci, cs.CL
Sampling Latent Material-Property Information From LLM-Derived Embedding Representations はコメントを受け付けていません
Neuromorphic Spintronics
要約 ニューロモーフィック スピントロニクスは、ニューロモーフィック コンピュー … 続きを読む
カテゴリー: cond-mat.mes-hall, cond-mat.mtrl-sci, cond-mat.other, cs.AI
Neuromorphic Spintronics はコメントを受け付けていません
How to do impactful research in artificial intelligence for chemistry and materials science
要約 機械学習は科学の多くの分野に広く浸透しています。 化学と材料科学も例外では … 続きを読む
カテゴリー: cond-mat.mtrl-sci, cs.AI, cs.LG, physics.chem-ph
How to do impactful research in artificial intelligence for chemistry and materials science はコメントを受け付けていません
Predicting and Accelerating Nanomaterials Synthesis Using Machine Learning Featurization
要約 材料の合成と加工の複雑な条件を解決するには、複数の特性評価モードから収集し … 続きを読む
カテゴリー: cond-mat.mtrl-sci, cs.LG
Predicting and Accelerating Nanomaterials Synthesis Using Machine Learning Featurization はコメントを受け付けていません
AI-accelerated discovery of high critical temperature superconductors
要約 新しい超伝導材料、特に高い臨界温度($T_c$)を示す材料の発見は、物性物 … 続きを読む
カテゴリー: cond-mat.mtrl-sci, cond-mat.supr-con, cs.AI, physics.comp-ph
AI-accelerated discovery of high critical temperature superconductors はコメントを受け付けていません