-
最近の投稿
- Open Challenges in the Formal Verification of Autonomous Driving
- Maximum Solar Energy Tracking Leverage High-DoF Robotics System with Deep Reinforcement Learning
- EdgeFlowNet: 100FPS@1W Dense Optical Flow For Tiny Mobile Robots
- A Systematic Study of Multi-Agent Deep Reinforcement Learning for Safe and Robust Autonomous Highway Ramp Entry
- Beyond Joint Demonstrations: Personalized Expert Guidance for Efficient Multi-Agent Reinforcement Learning
-
最近のコメント
表示できるコメントはありません。 cs.AI (30057) cs.CL (22703) cs.CR (2332) cs.CV (36430) cs.LG (34881) cs.RO (17454) cs.SY (2679) eess.IV (4437) eess.SY (2673) stat.ML (4648)
「physics.chem-ph」カテゴリーアーカイブ
ChemReasoner: Heuristic Search over a Large Language Model’s Knowledge Space using Quantum-Chemical Feedback
要約 新しい触媒の発見は、持続可能な未来に移行するための、より効率的な新しい化学 … 続きを読む
カテゴリー: cs.AI, cs.CE, cs.LG, physics.chem-ph
ChemReasoner: Heuristic Search over a Large Language Model’s Knowledge Space using Quantum-Chemical Feedback はコメントを受け付けていません
Machine learning Hubbard parameters with equivariant neural networks
要約 拡張ハバード汎関数 (DFT+$U$+$V$) を使用した密度汎関数理論は … 続きを読む
カテゴリー: cond-mat.mtrl-sci, cs.LG, physics.chem-ph
Machine learning Hubbard parameters with equivariant neural networks はコメントを受け付けていません
Neural Pfaffians: Solving Many Many-Electron Schrödinger Equations
要約 神経波動関数は、高い計算コストを要しましたが、多電子系の基底状態を近似する … 続きを読む
カテゴリー: cs.LG, physics.chem-ph, physics.comp-ph, quant-ph
Neural Pfaffians: Solving Many Many-Electron Schrödinger Equations はコメントを受け付けていません
Analysis of Atom-level pretraining with QM data for Graph Neural Networks Molecular property models
要約 定量的構造活性相関 (QSAR) モデルの深層学習は急速かつ大幅に進歩して … 続きを読む
カテゴリー: cs.LG, physics.chem-ph, quant-ph
Analysis of Atom-level pretraining with QM data for Graph Neural Networks Molecular property models はコメントを受け付けていません
Energy Rank Alignment: Using Preference Optimization to Search Chemical Space at Scale
要約 考えられる分子の数は原子の数と組み合わせて増加するため、化学空間の探索は非 … 続きを読む
カテゴリー: cs.AI, cs.LG, physics.chem-ph, q-bio.QM
Energy Rank Alignment: Using Preference Optimization to Search Chemical Space at Scale はコメントを受け付けていません
Probabilistic transfer learning methodology to expedite high fidelity simulation of reactive flows
要約 主成分 (PC) 輸送や機械学習 (ML) 技術など、熱化学状態の低次元多 … 続きを読む
カテゴリー: cs.LG, physics.chem-ph
Probabilistic transfer learning methodology to expedite high fidelity simulation of reactive flows はコメントを受け付けていません
A Framework of SO(3)-equivariant Non-linear Representation Learning and its Application to Electronic-Structure Hamiltonian Prediction
要約 我々は、深層学習を物理システムに適用する際の重要な課題、つまり、 電子構造 … 続きを読む
カテゴリー: cs.LG, physics.chem-ph
A Framework of SO(3)-equivariant Non-linear Representation Learning and its Application to Electronic-Structure Hamiltonian Prediction はコメントを受け付けていません
Data-Error Scaling in Machine Learning on Natural Discrete Combinatorial Mutation-prone Sets: Case Studies on Peptides and Small Molecules
要約 私たちは、タンパク質や有機小分子など、突然変異を起こしやすい離散組み合わせ … 続きを読む
カテゴリー: cs.LG, physics.chem-ph
Data-Error Scaling in Machine Learning on Natural Discrete Combinatorial Mutation-prone Sets: Case Studies on Peptides and Small Molecules はコメントを受け付けていません
Material Property Prediction using Graphs based on Generically Complete Isometry Invariants
要約 構造特性仮説では、すべての材料の特性は基礎となる結晶構造によって決定される … 続きを読む
カテゴリー: cs.LG, physics.chem-ph, physics.comp-ph
Material Property Prediction using Graphs based on Generically Complete Isometry Invariants はコメントを受け付けていません
FeNNol: an Efficient and Flexible Library for Building Force-field-enhanced Neural Network Potentials
要約 ニューラルネットワーク原子間ポテンシャル(NNP)は、複雑な分子系を正確に … 続きを読む
カテゴリー: cs.LG, physics.chem-ph
FeNNol: an Efficient and Flexible Library for Building Force-field-enhanced Neural Network Potentials はコメントを受け付けていません