Fully Integrating Atomistic Modeling with Machine Learning

Informacje na temat projektu

FIAMMA

Identyfikator umowy o grant: 101001890

DOI

10.3030/101001890

Data podpisania przez KE 18 Grudnia 2020

Data rozpoczęcia 1 Stycznia 2022

Data zakończenia 31 Grudnia 2026

Finansowanie w ramach

• EXCELLENT SCIENCE - European Research Council (ERC)

Koszt całkowity

€ 1 998 015,00

Wkład UE

€ 1 998 015,00

Koordynowany przez

ECOLE POLYTECHNIQUE FEDERALE DE LAUSANNE
Switzerland

CORDIS oferuje możliwość skorzystania z odnośników do publicznie dostępnych publikacji i rezultatów projektów realizowanych w ramach programów ramowych HORYZONT.

Odnośniki do rezultatów i publikacji związanych z poszczególnymi projektami 7PR, a także odnośniki do niektórych konkretnych kategorii wyników, takich jak zbiory danych i oprogramowanie, są dynamicznie pobierane z systemu OpenAIRE .

Publikacje

Peer reviewed articles (30)

Fast evaluation of spherical harmonics with sphericart

Autorzy: F. Bigi, G. Fraux, N. J. Browning, and M. Ceriotti
Opublikowane w: Journal of Chemical Physics, Numer 159, 2023, Strona(/y) 064802, ISSN 0021-9606
Wydawca: American Institute of Physics
DOI: 10.1063/5.0156307

Representing spherical tensors with scalar-based machine-learning models

Autorzy: M. Domina, F. Bigi, P. Pegolo, M. Ceriotti
Opublikowane w: The Journal of Chemical Physics, Numer 163, 2025, ISSN 0021-9606
Wydawca: American Institute of Physics
DOI: 10.1063/5.0284802

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

Autorzy: Filippo Bigi, Sanggyu Chong, Michele Ceriotti, Federico Grasselli
Opublikowane w: Machine Learning: Science and Technology, Numer 5, 2024, Strona(/y) 045018, ISSN 2632-2153
Wydawca: IOP
DOI: 10.1088/2632-2153/ad805f

Prediction rigidities for data-driven chemistry

Autorzy: Sanggyu Chong, Filippo Bigi, Federico Grasselli, Philip Loche, Matthias Kellner, Michele Ceriotti
Opublikowane w: Faraday Discussions, Numer 256, 2026, Strona(/y) 322-344, ISSN 1359-6640
Wydawca: Royal Society of Chemistry
DOI: 10.1039/d4fd00101j

Physics-Inspired Equivariant Descriptors of Nonbonded Interactions

Autorzy: Kevin K. Huguenin-Dumittan, Philip Loche, Ni Haoran, Michele Ceriotti
Opublikowane w: The Journal of Physical Chemistry Letters, Numer 14, 2023, Strona(/y) 9612-9618, ISSN 1948-7185
Wydawca: American Chemical Society
DOI: 10.1021/acs.jpclett.3c02375

Completeness of atomic structure representations

Autorzy: Jigyasa Nigam, Sergey N. Pozdnyakov, Kevin K. Huguenin-Dumittan, Michele Ceriotti
Opublikowane w: APL Machine Learning, Numer 2, 2024, ISSN 2770-9019
Wydawca: AIP Publishing LLC
DOI: 10.1063/5.0160740

Mechanism of Charge Transport in Lithium Thiophosphate

Autorzy: Lorenzo Gigli, Davide Tisi, Federico Grasselli, Michele Ceriotti
Opublikowane w: Chemistry of Materials, Numer 36, 2024, Strona(/y) 1482-1496, ISSN 0897-4756
Wydawca: American Chemical Society
DOI: 10.1021/acs.chemmater.3c02726

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

Autorzy: Jigyasa Nigam; Sergey Pozdnyakov; Guillaume Fraux; Michele Ceriotti
Opublikowane w: Journal of Chemical Physics, 2022, ISSN 0021-9606
Wydawca: American Institute of Physics
DOI: 10.48550/arxiv.2202.01566

Exploring the Design Space of Machine Learning Models for Quantum Chemistry with a Fully Differentiable Framework

Autorzy: Divya Suman, Jigyasa Nigam, Sandra Saade, Paolo Pegolo, Hanna Türk, Xing Zhang, Garnet Kin-Lic Chan, Michele Ceriotti
Opublikowane w: Journal of Chemical Theory and Computation, Numer 21, 2025, Strona(/y) 6505-6516, ISSN 1549-9618
Wydawca: American Chemical Society
DOI: 10.1021/acs.jctc.5c00522

Resolving the body-order paradox of machine learning interatomic potentials

Autorzy: Sanggyu Chong, Tong Jiang, Michelangelo Domina, Filippo Bigi, Federico Grasselli, Joonho Lee, Michele Ceriotti
Opublikowane w: The Journal of Chemical Physics, Numer 164, 2026, ISSN 0021-9606
Wydawca: American Institute of Physics
DOI: 10.1063/5.0303302

Predicting hot-electron free energies from ground-state data

Autorzy: Chiheb Ben Mahmoud, F. Grasselli, and M. Ceriotti
Opublikowane w: Physical Review B, 2022, ISSN 2469-9950
Wydawca: American Physical Society
DOI: 10.1103/physrevb.106.l121116

<tt>metatensor</tt> and <tt>metatomic</tt> : Foundational libraries for interoperable atomistic machine learning

Autorzy: Filippo Bigi, Joseph W. Abbott, Philip Loche, Arslan Mazitov, Davide Tisi, Marcel F. Langer, Alexander Goscinski, Paolo Pegolo, Sanggyu Chong, Rohit Goswami, Pol Febrer, Sofiia Chorna, Matthias Kellner, Michele Ceriotti, Guillaume Fraux
Opublikowane w: The Journal of Chemical Physics, Numer 164, 2026, ISSN 0021-9606
Wydawca: American Institute of Physics
DOI: 10.1063/5.0304911

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

Autorzy: Jigyasa Nigam; Michael J. Willatt; Michele Ceriotti
Opublikowane w: Chemical Physics, Numer 1, 2022, Strona(/y) 156(1), 014115 (2022), ISSN 0021-9606
Wydawca: American Institute of Physics
DOI: 10.1063/5.0072784

Comparing the Latent Features of Universal Machine‐Learning Interatomic Potentials

Autorzy: Sofiia Chorna, Davide Tisi, Cesare Malosso, Wei Bin How, Michele Ceriotti, Sanggyu Chong
Opublikowane w: Advanced Intelligent Systems, Numer 8, 2026, ISSN 2640-4567
Wydawca: Wiley
DOI: 10.1002/aisy.202501497

Pushing the limits of unconstrained machine-learned interatomic potentials

Autorzy: Filippo Bigi, Paolo Pegolo, Arslan Mazitov, Jonathan Schmidt, Michele Ceriotti
Opublikowane w: Machine Learning: Science and Technology, Numer 7, 2026, Strona(/y) 035051, ISSN 2632-2153
Wydawca: IOP Publishing
DOI: 10.1088/2632-2153/ae6417

A foundation model for atomistic materials chemistry

Autorzy: Ilyes Batatia, Philipp Benner, Yuan Chiang, Alin M. Elena, Dávid P. Kovács, Janosh Riebesell, Xavier R. Advincula, Mark Asta, Matthew Avaylon, William J. Baldwin, Fabian Berger, Noam Bernstein, Arghya Bhowmik, Filippo Bigi, Samuel M. Blau, Vlad Cărare, Michele Ceriotti, Sanggyu Chong, James P. Darby, Sandip De, Flaviano Della Pia, Volker L. Deringer, Rokas Elijošius, Zakariya El-Machachi, Edvi
Opublikowane w: The Journal of Chemical Physics, Numer 163, 2025, ISSN 0021-9606
Wydawca: American Institute of Physics
DOI: 10.1063/5.0297006

A universal machine learning model for the electronic density of states

Autorzy: Wei Bin How, Pol Febrer, Sanggyu Chong, Arslan Mazitov, Filippo Bigi, Matthias Kellner, Sergey Pozdnyakov, Michele Ceriotti
Opublikowane w: Digital Discovery, Numer 5, 2026, Strona(/y) 1635-1649, ISSN 2635-098X
Wydawca: Royal Society of Chemistry (RSC)
DOI: 10.1039/d5dd00557d

Fast and flexible long-range models for atomistic machine learning

Autorzy: Philip Loche, Kevin K. Huguenin-Dumittan, Melika Honarmand, Qianjun Xu, Egor Rumiantsev, Wei Bin How, Marcel F. Langer, Michele Ceriotti
Opublikowane w: The Journal of Chemical Physics, Numer 162, 2025, ISSN 0021-9606
Wydawca: American Institute of Physics
DOI: 10.1063/5.0251713

Probing the effects of broken symmetries in machine learning

Autorzy: Marcel F Langer, Sergey N Pozdnyakov, Michele Ceriotti
Opublikowane w: Machine Learning: Science and Technology, Numer 5, 2024, Strona(/y) 04LT01, ISSN 2632-2153
Wydawca: IOP
DOI: 10.1088/2632-2153/ad86a0

Robustness of Local Predictions in Atomistic Machine Learning Models

Autorzy: Sanggyu Chong, Federico Grasselli, Chiheb Ben Mahmoud, Joe D. Morrow, Volker L. Deringer, Michele Ceriotti
Opublikowane w: Journal of Chemical Theory and Computation, Numer 19, 2023, Strona(/y) 8020-8031, ISSN 1549-9618
Wydawca: American Chemical Society
DOI: 10.1021/acs.jctc.3c00704

PET-MAD as a lightweight universal interatomic potential for advanced materials modeling

Autorzy: Arslan Mazitov, Filippo Bigi, Matthias Kellner, Paolo Pegolo, Davide Tisi, Guillaume Fraux, Sergey Pozdnyakov, Philip Loche, Michele Ceriotti
Opublikowane w: Nature Communications, Numer 16, 2025, ISSN 2041-1723
Wydawca: Nature Publishing Group
DOI: 10.1038/s41467-025-65662-7

Local invertibility and sensitivity of atomic structure-feature mappings

Autorzy: Sergey Pozdnyakov; Liwei Zhang; Christoph Ortner; Gábor Csányi; Michele Ceriotti
Opublikowane w: Open Research Europe, Numer 1, 2021, ISSN 2732-5121
Wydawca: Excellent Science
DOI: 10.12688/openreseurope.14156.1

Electronic Excited States from Physically Constrained Machine Learning

Autorzy: Edoardo Cignoni, Divya Suman, Jigyasa Nigam, Lorenzo Cupellini, Benedetta Mennucci, Michele Ceriotti
Opublikowane w: ACS Central Science, Numer 10, 2024, Strona(/y) 637-648, ISSN 2374-7943
Wydawca: American Chemical Society
DOI: 10.1021/acscentsci.3c01480

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

Autorzy: Alexander Goscinski, Victor Paul Principe, Guillaume Fraux, Sergei Kliavinek, Benjamin Aaron Helfrecht, Philip Loche, Michele Ceriotti, Rose Kathleen Cersonsky
Opublikowane w: Open Research Europe, Numer 3, 2024, Strona(/y) 81, ISSN 2732-5121
Wydawca: London, UK: F1000 Research Limited
DOI: 10.12688/openreseurope.15789.2

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

Autorzy: Andrea Grisafi; Alan M. Lewis; Mariana Rossi; Michele Ceriotti
Opublikowane w: Journal of Chemical Theory and Computation, Numer 19, 2023, Strona(/y) 4451, ISSN 1549-9618
Wydawca: American Chemical Society
DOI: 10.1021/acs.jctc.2c00850

A Deep Learning Model for Chemical Shieldings in Molecular Organic Solids Including Anisotropy

Autorzy: Matthias Kellner, Jacob B. Holmes, Ruben Rodriguez-Madrid, Florian Viscosi, Yuxuan Zhang, Lyndon Emsley, Michele Ceriotti
Opublikowane w: The Journal of Physical Chemistry Letters, Numer 16, 2025, Strona(/y) 8714-8722, ISSN 1948-7185
Wydawca: American Chemical Society
DOI: 10.1021/acs.jpclett.5c01819

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

Autorzy: Wei Bin How, Sanggyu Chong, Federico Grasselli, Kevin K. Huguenin-Dumittan, Michele Ceriotti
Opublikowane w: Physical Review Materials, Numer 9, 2025, ISSN 2475-9953
Wydawca: APS
DOI: 10.1103/physrevmaterials.9.013802

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

Autorzy: 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
Opublikowane w: The Journal of Chemical Physics, Numer 161, 2024, ISSN 0021-9606
Wydawca: 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"

Autorzy: Davide Tisi, Federico Grasselli, Lorenzo Gigli, Michele Ceriotti
Opublikowane w: Physical Review Materials, Numer 8, 2024, ISSN 2475-9953
Wydawca: ACS
DOI: 10.1103/physrevmaterials.8.065403

Ranking the synthesizability of hypothetical zeolites with the sorting hat

Autorzy: B. A. Helfrecht, G. Pireddu, R. Semino, S. M. Auerbach, and M. Ceriotti
Opublikowane w: Digital Discovery, Numer 1, 2022, Strona(/y) 779, ISSN 2635-098X
Wydawca: Royal Society of Chemistry
DOI: 10.1039/d2dd00056c

Non-peer reviewed articles (2)

A smooth basis for atomistic machine learning

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

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

Autorzy: R. K. Cersonsky, M. Pakhnova, E. A. Engel, and M. Ceriotti
Opublikowane w: Chemical Science, 2023, ISSN 2041-6520
Wydawca: Royal Society of Chemistry
DOI: 10.1039/d2sc06198h