Fully Integrating Atomistic Modeling with Machine Learning

Informations projet

FIAMMA

N° de convention de subvention: 101001890

DOI

10.3030/101001890

Date de signature de la CE 18 Decembre 2020

Date de début 1 Janvier 2022

Date de fin 31 Decembre 2026

Financé au titre de

• EXCELLENT SCIENCE - European Research Council (ERC)

Coût total

€ 1 998 015,00

Contribution de l’UE

€ 1 998 015,00

Coordonné par

ECOLE POLYTECHNIQUE FEDERALE DE LAUSANNE
Switzerland

CORDIS fournit des liens vers les livrables publics et les publications des projets HORIZON.

Les liens vers les livrables et les publications des projets du 7e PC, ainsi que les liens vers certains types de résultats spécifiques tels que les jeux de données et les logiciels, sont récupérés dynamiquement sur OpenAIRE .

Publications

Peer reviewed articles (18)

Fast evaluation of spherical harmonics with sphericart

Auteurs: F. Bigi, G. Fraux, N. J. Browning, and M. Ceriotti
Publié dans: Journal of Chemical Physics, Numéro 159, 2023, Page(s) 064802, ISSN 0021-9606
Éditeur: American Institute of Physics
DOI: 10.1063/5.0156307

A prediction rigidity formalism for low-cost uncertainties in trained neural networks

Auteurs: Filippo Bigi, Sanggyu Chong, Michele Ceriotti, Federico Grasselli
Publié dans: Machine Learning: Science and Technology, Numéro 5, 2024, Page(s) 045018, ISSN 2632-2153
Éditeur: IOP
DOI: 10.1088/2632-2153/ad805f

Physics-Inspired Equivariant Descriptors of Nonbonded Interactions

Auteurs: Kevin K. Huguenin-Dumittan, Philip Loche, Ni Haoran, Michele Ceriotti
Publié dans: The Journal of Physical Chemistry Letters, Numéro 14, 2023, Page(s) 9612-9618, ISSN 1948-7185
Éditeur: American Chemical Society
DOI: 10.1021/acs.jpclett.3c02375

Completeness of atomic structure representations

Auteurs: Jigyasa Nigam, Sergey N. Pozdnyakov, Kevin K. Huguenin-Dumittan, Michele Ceriotti
Publié dans: APL Machine Learning, Numéro 2, 2024, ISSN 2770-9019
Éditeur: AIP Publishing LLC
DOI: 10.1063/5.0160740

Mechanism of Charge Transport in Lithium Thiophosphate

Auteurs: Lorenzo Gigli, Davide Tisi, Federico Grasselli, Michele Ceriotti
Publié dans: Chemistry of Materials, Numéro 36, 2024, Page(s) 1482-1496, ISSN 0897-4756
Éditeur: American Chemical Society
DOI: 10.1021/acs.chemmater.3c02726

Unified theory of atom-centered representations and message-passing machine-learning schemes.

Auteurs: Jigyasa Nigam; Sergey Pozdnyakov; Guillaume Fraux; Michele Ceriotti
Publié dans: Journal of Chemical Physics, 2022, ISSN 0021-9606
Éditeur: American Institute of Physics
DOI: 10.48550/arxiv.2202.01566

Predicting hot-electron free energies from ground-state data

Auteurs: Chiheb Ben Mahmoud, F. Grasselli, and M. Ceriotti
Publié dans: Physical Review B, 2022, ISSN 2469-9950
Éditeur: American Physical Society
DOI: 10.1103/physrevb.106.l121116

Equivariant representations for molecular Hamiltonians and N-center atomic-scale properties

Auteurs: Jigyasa Nigam; Michael J. Willatt; Michele Ceriotti
Publié dans: Chemical Physics, Numéro 1, 2022, Page(s) 156(1), 014115 (2022), ISSN 0021-9606
Éditeur: American Institute of Physics
DOI: 10.1063/5.0072784

Probing the effects of broken symmetries in machine learning

Auteurs: Marcel F Langer, Sergey N Pozdnyakov, Michele Ceriotti
Publié dans: Machine Learning: Science and Technology, Numéro 5, 2024, Page(s) 04LT01, ISSN 2632-2153
Éditeur: IOP
DOI: 10.1088/2632-2153/ad86a0

Robustness of Local Predictions in Atomistic Machine Learning Models

Auteurs: Sanggyu Chong, Federico Grasselli, Chiheb Ben Mahmoud, Joe D. Morrow, Volker L. Deringer, Michele Ceriotti
Publié dans: Journal of Chemical Theory and Computation, Numéro 19, 2023, Page(s) 8020-8031, ISSN 1549-9618
Éditeur: American Chemical Society
DOI: 10.1021/acs.jctc.3c00704

Local invertibility and sensitivity of atomic structure-feature mappings

Auteurs: Sergey Pozdnyakov; Liwei Zhang; Christoph Ortner; Gábor Csányi; Michele Ceriotti
Publié dans: Open Research Europe, Numéro 1, 2021, ISSN 2732-5121
Éditeur: Excellent Science
DOI: 10.12688/openreseurope.14156.1

Electronic Excited States from Physically Constrained Machine Learning

Auteurs: Edoardo Cignoni, Divya Suman, Jigyasa Nigam, Lorenzo Cupellini, Benedetta Mennucci, Michele Ceriotti
Publié dans: ACS Central Science, Numéro 10, 2024, Page(s) 637-648, ISSN 2374-7943
Éditeur: American Chemical Society
DOI: 10.1021/acscentsci.3c01480

scikit-matter : A Suite of Generalisable Machine Learning Methods Born out of Chemistry and Materials Science

Auteurs: Alexander Goscinski, Victor Paul Principe, Guillaume Fraux, Sergei Kliavinek, Benjamin Aaron Helfrecht, Philip Loche, Michele Ceriotti, Rose Kathleen Cersonsky
Publié dans: Open Research Europe, Numéro 3, 2024, Page(s) 81, ISSN 2732-5121
Éditeur: London, UK: F1000 Research Limited
DOI: 10.12688/openreseurope.15789.2

Electronic-Structure Properties from Atom-Centered Predictions of the Electron Density

Auteurs: Andrea Grisafi; Alan M. Lewis; Mariana Rossi; Michele Ceriotti
Publié dans: Journal of Chemical Theory and Computation, Numéro 19, 2023, Page(s) 4451, ISSN 1549-9618
Éditeur: American Chemical Society
DOI: 10.1021/acs.jctc.2c00850

Adaptive energy reference for machine-learning models of the electronic density of states

Auteurs: Wei Bin How, Sanggyu Chong, Federico Grasselli, Kevin K. Huguenin-Dumittan, Michele Ceriotti
Publié dans: Physical Review Materials, Numéro 9, 2025, ISSN 2475-9953
Éditeur: APS
DOI: 10.1103/physrevmaterials.9.013802

i-PI 3.0: A flexible and efficient framework for advanced atomistic simulations

Auteurs: Yair Litman, Venkat Kapil, Yotam M. Y. Feldman, Davide Tisi, Tomislav Begušić, Karen Fidanyan, Guillaume Fraux, Jacob Higer, Matthias Kellner, Tao E. Li, Eszter S. Pós, Elia Stocco, George Trenins, Barak Hirshberg, Mariana Rossi, Michele Ceriotti
Publié dans: The Journal of Chemical Physics, Numéro 161, 2024, ISSN 0021-9606
Éditeur: American Institute of Physics
DOI: 10.1063/5.0215869

"Thermal conductivity of <mml:math xmlns:mml=""http://www.w3.org/1998/Math/MathML""><mml:mrow><mml:msub><mml:mi>Li</mml:mi><mml:mn>3</mml:mn></mml:msub><mml:msub><mml:mi>PS</mml:mi><mml:mn>4</mml:mn></mml:msub></mml:mrow></mml:math> solid electrolytes with <i>ab initio</i> accuracy"

Auteurs: Davide Tisi, Federico Grasselli, Lorenzo Gigli, Michele Ceriotti
Publié dans: Physical Review Materials, Numéro 8, 2024, ISSN 2475-9953
Éditeur: ACS
DOI: 10.1103/physrevmaterials.8.065403

Ranking the synthesizability of hypothetical zeolites with the sorting hat

Auteurs: B. A. Helfrecht, G. Pireddu, R. Semino, S. M. Auerbach, and M. Ceriotti
Publié dans: Digital Discovery, Numéro 1, 2022, Page(s) 779, ISSN 2635-098X
Éditeur: Royal Society of Chemistry
DOI: 10.1039/d2dd00056c

Non-peer reviewed articles (2)

A smooth basis for atomistic machine learning

Auteurs: F. Bigi, K. K. Huguenin-Dumittan, M. Ceriotti, and D. E. Manolopoulos, J. Chem
Publié dans: Journal Of Chemical Physics, 2022, ISSN 0021-9606
Éditeur: American Institute of Physics
DOI: 10.1063/5.0124363

A data-driven interpretation of the stability of organic molecular crystals

Auteurs: R. K. Cersonsky, M. Pakhnova, E. A. Engel, and M. Ceriotti
Publié dans: Chemical Science, 2023, ISSN 2041-6520
Éditeur: Royal Society of Chemistry
DOI: 10.1039/d2sc06198h