Zobrazeno 1 - 10
of 47
pro vyhledávání: '"Hou, Yi Fan"'
Quantum chemical simulations can be greatly accelerated by constructing machine learning potentials, which is often done using active learning (AL). The usefulness of the constructed potentials is often limited by the high effort required and their i
Externí odkaz:
http://arxiv.org/abs/2404.11811
Autor:
Zhang, Lina, Pios, Sebastian V., Martyka, Mikołaj, Ge, Fuchun, Hou, Yi-Fan, Chen, Yuxinxin, Chen, Lipeng, Jankowska, Joanna, Barbatti, Mario, Dral, Pavlo O.
We present an open-source MLatom@XACS software ecosystem for on-the-fly surface hopping nonadiabatic dynamics based on the Landau-Zener-Belyaev-Lebedev (LZBL) algorithm. The dynamics can be performed via Python API with a wide range of quantum mechan
Externí odkaz:
http://arxiv.org/abs/2404.06189
Autor:
Dral, Pavlo O., Ge, Fuchun, Hou, Yi-Fan, Zheng, Peikun, Chen, Yuxinxin, Barbatti, Mario, Isayev, Olexandr, Wang, Cheng, Xue, Bao-Xin, Pinheiro Jr, Max, Su, Yuming, Dai, Yiheng, Chen, Yangtao, Zhang, Lina, Zhang, Shuang, Ullah, Arif, Zhang, Quanhao, Ou, Yanchi
Machine learning (ML) is increasingly becoming a common tool in computational chemistry. At the same time, the rapid development of ML methods requires a flexible software framework for designing custom workflows. MLatom 3 is a program package design
Externí odkaz:
http://arxiv.org/abs/2310.20155
We demonstrate that AI can learn atomistic systems in the four-dimensional (4D) spacetime. For this, we introduce the 4D-spacetime GICnet model which for the given initial conditions - nuclear positions and velocities at time zero - can predict nucle
Externí odkaz:
http://arxiv.org/abs/2308.11311
Molecular dynamics (MD) is a widely-used tool for simulating the molecular and materials properties. It is a common wisdom that molecular dynamics simulations should obey physical laws and, hence, lots of effort is put into ensuring that molecular dy
Externí odkaz:
http://arxiv.org/abs/2308.11305
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Hou, Yi-Fan, Dral, Pavlo O.
Publikováno v:
In Quantum Chemistry in the Age of Machine Learning 2023:295-312
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.