-
最近の投稿
- Meta-Ori: monolithic meta-origami for nonlinear inflatable soft actuators
- Proprioceptive multistable mechanical metamaterial via soft capacitive sensors
- A Visual-Inertial Motion Prior SLAM for Dynamic Environments
- VET: A Visual-Electronic Tactile System for Immersive Human-Machine Interaction
- Design and Experimental Validation of an Autonomous USV for Sensor Fusion-Based Navigation in GNSS-Denied Environments
-
最近のコメント
表示できるコメントはありません。 cs.AI (35921) cs.CL (27166) cs.CR (2738) cs.CV (41774) cs.LG (40882) cs.RO (21197) cs.SY (3205) eess.IV (4905) eess.SY (3199) stat.ML (5358)
「physics.chem-ph」カテゴリーアーカイブ
Revealing the Relationship Between Publication Bias and Chemical Reactivity with Contrastive Learning
要約 合成方法の基質耐性と一般性は、しばしば「基質範囲」テーブルに紹介されます。 … 続きを読む
カテゴリー: cs.AI, cs.LG, physics.chem-ph, q-bio.BM
Revealing the Relationship Between Publication Bias and Chemical Reactivity with Contrastive Learning はコメントを受け付けていません
MDCrow: Automating Molecular Dynamics Workflows with Large Language Models
要約 分子動力学（MD）シミュレーションは、生体分子システムを理解するために不可 … 続きを読む
カテゴリー: cs.AI, physics.chem-ph
MDCrow: Automating Molecular Dynamics Workflows with Large Language Models はコメントを受け付けていません
Predicting Molecular Ground-State Conformation via Conformation Optimization
要約 Predicting molecular ground-state con … 続きを読む
カテゴリー: cs.AI, cs.LG, physics.chem-ph, q-bio.BM
Predicting Molecular Ground-State Conformation via Conformation Optimization はコメントを受け付けていません
Smirk: An Atomically Complete Tokenizer for Molecular Foundation Models
要約 テキストベースの基礎モデルは、分子基盤モデルが分子設計と材料科学の進歩を促 … 続きを読む
カテゴリー: cs.AI, cs.LG, physics.chem-ph, q-bio.BM
Smirk: An Atomically Complete Tokenizer for Molecular Foundation Models はコメントを受け付けていません
Retro-Rank-In: A Ranking-Based Approach for Inorganic Materials Synthesis Planning
要約 レトロシンセシスは、よりシンプルで容易に利用可能な前駆体化合物からの化学標 … 続きを読む
カテゴリー: cs.LG, physics.chem-ph
Retro-Rank-In: A Ranking-Based Approach for Inorganic Materials Synthesis Planning はコメントを受け付けていません
Towards Fast, Specialized Machine Learning Force Fields: Distilling Foundation Models via Energy Hessians
要約 基礎モデル（FM）パラダイムは、機械学習力フィールド（MLFF）を変換し、 … 続きを読む
カテゴリー: cond-mat.mtrl-sci, cs.LG, physics.bio-ph, physics.chem-ph
Towards Fast, Specialized Machine Learning Force Fields: Distilling Foundation Models via Energy Hessians はコメントを受け付けていません
Generalizable, Fast, and Accurate DeepQSPR with fastprop
要約 定量的構造特性関係研究は、分子構造と関心のある量のマッピングを定義すること … 続きを読む
カテゴリー: cs.LG, physics.chem-ph
Generalizable, Fast, and Accurate DeepQSPR with fastprop はコメントを受け付けていません
Excited-state nonadiabatic dynamics in explicit solvent using machine learned interatomic potentials
要約 量子力学/分子力学（QM/mm）を使用した励起状態の非断熱シミュレーション … 続きを読む
カテゴリー: cs.LG, physics.chem-ph
Excited-state nonadiabatic dynamics in explicit solvent using machine learned interatomic potentials はコメントを受け付けていません
High-Rank Irreducible Cartesian Tensor Decomposition and Bases of Equivariant Spaces
要約 既約デカルト テンソル (ICT) は、等変グラフ ニューラル ネットワー … 続きを読む
カテゴリー: cs.LG, math-ph, math.MP, physics.chem-ph, physics.comp-ph, quant-ph
High-Rank Irreducible Cartesian Tensor Decomposition and Bases of Equivariant Spaces はコメントを受け付けていません
Towards Fast, Specialized Machine Learning Force Fields: Distilling Foundation Models via Energy Hessians
要約 基礎モデル (FM) パラダイムは、汎用表現とスケーラブルなトレーニングを … 続きを読む
カテゴリー: cond-mat.mtrl-sci, cs.LG, physics.bio-ph, physics.chem-ph
Towards Fast, Specialized Machine Learning Force Fields: Distilling Foundation Models via Energy Hessians はコメントを受け付けていません