Learning non-local molecular interactions via equivariant local representations and charge equilibration
(öffnet in neuem Fenster)
Autoren:
Fuchs, Paul; Sanocki, Michał; Zavadlav, Julija
Veröffentlicht in:
npj Computational Materials, Ausgabe 11, 2025, ISSN 2057-3960
Herausgeber:
Springer Nature
DOI:
10.48550/ARXIV.2501.19179
chemtrain-deploy: A Parallel and Scalable Framework for Machine Learning Potentials in Million-Atom MD Simulations
(öffnet in neuem Fenster)
Autoren:
Paul Fuchs; Weilong Chen; Stephan Thaler; Julija Zavadlav
Veröffentlicht in:
Journal of Chemical Theory and Computation, Ausgabe 21, 2025, ISSN 1549-9626
Herausgeber:
American Chemical Society
DOI:
10.48550/ARXIV.2506.04055
JaxSGMC: Modular stochastic gradient MCMC in JAX
(öffnet in neuem Fenster)
Autoren:
Stephan Thaler, Paul Fuchs, Ana Cukarska, Julija Zavadlav
Veröffentlicht in:
SoftwareX, Ausgabe 26, 2025, ISSN 2352-7110
Herausgeber:
Elsevier BV
DOI:
10.1016/J.SOFTX.2024.101722
chemtrain: Learning deep potential models via automatic differentiation and statistical physics
(öffnet in neuem Fenster)
Autoren:
Paul Fuchs, Stephan Thaler, Sebastien Röcken, Julija Zavadlav
Veröffentlicht in:
Computer Physics Communications, Ausgabe 310, 2025, ISSN 0010-4655
Herausgeber:
Elsevier BV
DOI:
10.1016/J.CPC.2025.109512
Predicting solvation free energies with an implicit solvent machine learning potential
(öffnet in neuem Fenster)
Autoren:
Sebastien Röcken, Anton F. Burnet, Julija Zavadlav
Veröffentlicht in:
The Journal of Chemical Physics, Ausgabe 161, 2024, ISSN 0021-9606
Herausgeber:
AIP Publishing
DOI:
10.1063/5.0235189
