「physics.chem-ph」カテゴリーアーカイブ

Automated patent extraction powers generative modeling in focused chemical spaces

投稿日: 2023年7月25日 作成者: jarxiv

要約 深層生成モデルは、逆分子設計のエキサイティングな手段として浮上しており、ト … 続きを読む →

カテゴリー: cs.LG, physics.chem-ph | Automated patent extraction powers generative modeling in focused chemical spaces はコメントを受け付けていません

Inorganic synthesis-structure maps in zeolites with machine learning and crystallographic distances

投稿日: 2023年7月21日 作成者: jarxiv

要約 ゼオライトは、その用途、合成条件、および結果として得られる多形の多様性で知 … 続きを読む →

カテゴリー: cond-mat.mtrl-sci, cs.LG, physics.chem-ph | Inorganic synthesis-structure maps in zeolites with machine learning and crystallographic distances はコメントを受け付けていません

ChatGPT Chemistry Assistant for Text Mining and Prediction of MOF Synthesis

投稿日: 2023年7月21日 作成者: jarxiv

要約 当社では、プロンプト エンジニアリングを使用して、科学文献のさまざまな形式 … 続きを読む →

カテゴリー: cond-mat.mtrl-sci, cs.CL, cs.IR, physics.chem-ph | ChatGPT Chemistry Assistant for Text Mining and Prediction of MOF Synthesis はコメントを受け付けていません

14 Examples of How LLMs Can Transform Materials Science and Chemistry: A Reflection on a Large Language Model Hackathon

投稿日: 2023年7月17日 作成者: jarxiv

要約 GPT-4 などの大規模言語モデル (LLM) は、多くの科学者の関心を集 … 続きを読む →

カテゴリー: cond-mat.mtrl-sci, cs.LG, physics.chem-ph | 14 Examples of How LLMs Can Transform Materials Science and Chemistry: A Reflection on a Large Language Model Hackathon はコメントを受け付けていません

Espaloma-0.3.0: Machine-learned molecular mechanics force field for the simulation of protein-ligand systems and beyond

投稿日: 2023年7月17日 作成者: jarxiv

要約 分子力学 (MM) 力場 — 単純なペアおよび多項式の項によっ … 続きを読む →

カテゴリー: cs.AI, physics.chem-ph | Espaloma-0.3.0: Machine-learned molecular mechanics force field for the simulation of protein-ligand systems and beyond はコメントを受け付けていません

Predicting small molecules solubilities on endpoint devices using deep ensemble neural networks

投稿日: 2023年7月12日 作成者: jarxiv

要約 水溶解度は貴重ですが、予測するのが難しい特性です。 第一原理法を使用して溶 … 続きを読む →

カテゴリー: cs.LG, physics.chem-ph | Predicting small molecules solubilities on endpoint devices using deep ensemble neural networks はコメントを受け付けていません

Transfer learning for atomistic simulations using GNNs and kernel mean embeddings

投稿日: 2023年7月4日 作成者: jarxiv

要約 機械学習法を用いて学習された原子間ポテンシャルは、原子論的シミュレーション … 続きを読む →

カテゴリー: cs.LG, physics.chem-ph | Transfer learning for atomistic simulations using GNNs and kernel mean embeddings はコメントを受け付けていません

Variational principle to regularize machine-learned density functionals: the non-interacting kinetic-energy functional

投稿日: 2023年7月3日 作成者: jarxiv

要約 実用的な密度汎関数理論 (DFT) の成功は、補助平均場システムを使用した … 続きを読む →

カテゴリー: cs.LG, physics.chem-ph, physics.comp-ph, stat.ML | Variational principle to regularize machine-learned density functionals: the non-interacting kinetic-energy functional はコメントを受け付けていません

GeoT: A Geometry-aware Transformer for Reliable Molecular Property Prediction and Chemically Interpretable Representation Learning

投稿日: 2023年6月29日 作成者: jarxiv

要約 近年、分子表現の学習は、さまざまな化学タスクにおいて重点が置かれている分野 … 続きを読む →

カテゴリー: cs.LG, physics.chem-ph | GeoT: A Geometry-aware Transformer for Reliable Molecular Property Prediction and Chemically Interpretable Representation Learning はコメントを受け付けていません

Accelerating Molecular Graph Neural Networks via Knowledge Distillation

投稿日: 2023年6月27日 作成者: jarxiv

要約 グラフ ニューラル ネットワーク (GNN) の最近の進歩により、数分の … 続きを読む →

カテゴリー: cs.LG, physics.chem-ph | Accelerating Molecular Graph Neural Networks via Knowledge Distillation はコメントを受け付けていません