Quantum Machine Learning: Chemical Reactions with Unprecedented Speed and Accuracy

Projektinformationen

QML

ID Finanzhilfevereinbarung: 772834

DOI

10.3030/772834

Projekt abgeschlossen

EK-Unterschriftsdatum 24 Januar 2018

Startdatum 1 Juni 2018

Enddatum 31 Mai 2024

Finanziert unter

• EXCELLENT SCIENCE - European Research Council (ERC)

Gesamtkosten

€ 1 980 500,00

EU-Beitrag

€ 1 980 500,00

Koordiniert durch

TECHNISCHE UNIVERSITAT BERLIN
Germany

CORDIS bietet Links zu öffentlichen Ergebnissen und Veröffentlichungen von HORIZONT-Projekten.

Links zu Ergebnissen und Veröffentlichungen von RP7-Projekten sowie Links zu einigen Typen spezifischer Ergebnisse wie Datensätzen und Software werden dynamisch von OpenAIRE abgerufen.

Veröffentlichungen

Other (7)

Machine Learning of Free Energies in Chemical Compound Space Using Ensemble Representations: Reaching Experimental Uncertainty for Solvation

Autoren: Jan Weinreich, Nicholas J. Browning, O. Anatole von Lilienfeld
Veröffentlicht in: J. Chem. Phys., Ausgabe 154, 2021, Seite(n) 134113
Herausgeber: arXiv
DOI: 10.1063/5.0041548

Large yet bounded: Spin gap ranges in carbenes

Autoren: Max Schwilk, Diana N. Tahchieva, O. Anatole von Lilienfeld
Veröffentlicht in: preprint, 2020
Herausgeber: arXiv

Quantum based machine learning of competing chemical reaction profiles

Autoren: Stefan Heinen, Guido Falk von Rudorff, O. Anatole von Lilienfeld
Veröffentlicht in: preprint, 2020
Herausgeber: arXiv

Machine learning the computational cost of quantum chemistry

Autoren: Stefan Heinen, Max Schwilk, Guido Falk von Rudorff, O. Anatole von Lilienfeld
Veröffentlicht in: Mach. Learn.: Sci. Tech. 1 025002 (2020), 2019
Herausgeber: arxiv
DOI: 10.1088/2632-2153/ab6ac4

Occam's razor for AI: Coarse-graining Hammett Inspired Product Ansatz in Chemical Space

Autoren: Bragato, Marco; von Rudorff, Guido Falk; von Lilienfeld, O. Anatole
Veröffentlicht in: preprint, Ausgabe 5, 2023
Herausgeber: arxiv
DOI: 10.48550/arxiv.2305.07010

Generalized Alchemical Integral Transform and the multi-electron atom energy

Autoren: Krug, Simon León; von Lilienfeld, O. Anatole
Veröffentlicht in: Ausgabe 1, 2023
Herausgeber: arxiv

Simplifying inverse material design problems for fixed lattices with alchemical chirality

Autoren: Guido Falk von Rudorff, O. Anatole von Lilienfeld
Veröffentlicht in: Science Advances, 2020
Herausgeber: arXiv
DOI: 10.1126/sciadv.abf1173

Peer reviewed articles (17)

Geometry Relaxation and Transition State Search throughout Chemical Compound Space with Quantum Machine Learning

Autoren: Heinen, S.; von Rudorff, G. F.; von Lilienfeld, O. A.
Veröffentlicht in: J Chem Phys, Ausgabe 20, 2022, ISSN 1089-7690
Herausgeber: AIP
DOI: 10.48550/arxiv.2205.02623

Fast and accurate excited states predictions: Machine learning and diabatization

Autoren: Štěpán Sršeň, O. Anatole von Lilienfeld, Petr Slavicek
Veröffentlicht in: Physical Chemistry Chemical Physics, 2023, ISSN 1463-9076
Herausgeber: Royal Society of Chemistry
DOI: 10.26434/chemrxiv-2023-9pxq1

Impact of noise on inverse design: the case of NMR spectra matching

Autoren: Dominik Lemm, Guido Falk von Rudorff, O. Anatole von Lilienfeld
Veröffentlicht in: Digital Discovery, Ausgabe 3, 2024, Seite(n) 136-144, ISSN 2635-098X
Herausgeber: RSC
DOI: 10.1039/d3dd00132f

Selected machine learning of HOMO–LUMO gaps with improved data-efficiency

Autoren: Bernard Mazouin, Alexandre Alain Schöpfer, O. Anatole von Lilienfeld
Veröffentlicht in: Materials Advances, Ausgabe 3, 2024, Seite(n) 8306-8316, ISSN 2633-5409
Herausgeber: RSC
DOI: 10.1039/d2ma00742h

Data enhanced Hammett-equation: reaction barriers in chemical space

Autoren: Marco Bragato, Guido Falk von Rudorff, O. Anatole von Lilienfeld
Veröffentlicht in: Chemical Science, Ausgabe 11/43, 2020, Seite(n) 11859-11868, ISSN 2041-6520
Herausgeber: Royal Society of Chemistry
DOI: 10.1039/d0sc04235h

Conformer-specific polar cycloaddition of dibromobutadiene with trapped propene ions

Autoren: Ardita Kilaj, Jia Wang, Patrik Straňák, Max Schwilk, Uxía Rivero, Lei Xu, O. Anatole von Lilienfeld, Jochen Küpper, Stefan Willitsch
Veröffentlicht in: Nature Communications, Ausgabe 12, 2022, ISSN 2041-1723
Herausgeber: Nature Publishing Group
DOI: 10.1038/s41467-021-26309-5

Noncovalent Quantum Machine Learning Corrections to Density Functionals

Autoren: Pál D. Mezei, O. Anatole von Lilienfeld
Veröffentlicht in: Journal of Chemical Theory and Computation, Ausgabe 16/4, 2020, Seite(n) 2647-2653, ISSN 1549-9618
Herausgeber: American Chemical Society
DOI: 10.1021/acs.jctc.0c00181

Toward the design of chemical reactions: Machine learning barriers of competing mechanisms in reactant space

Autoren: Stefan Heinen, Guido Falk von Rudorff, O. Anatole von Lilienfeld
Veröffentlicht in: The Journal of Chemical Physics, Ausgabe 155, 2023, ISSN 0021-9606
Herausgeber: American Institute of Physics
DOI: 10.1063/5.0059742

Transition state search and geometry relaxation throughout chemical compound space with quantum machine learning

Autoren: Stefan Heinen, Guido Falk von Rudorff, O. Anatole von Lilienfeld
Veröffentlicht in: The Journal of Chemical Physics, Ausgabe 157, 2023, ISSN 0021-9606
Herausgeber: American Institute of Physics
DOI: 10.1063/5.0112856

Non-covalent interactions between molecular dimers (S66) in electric fields

Autoren: Max Schwilk, Pál D Mezei, Diana N Tahchieva, O Anatole von Lilienfeld
Veröffentlicht in: Electronic Structure, Ausgabe 4, 2022, Seite(n) 014005, ISSN 2516-1075
Herausgeber: IOPP
DOI: 10.1088/2516-1075/ac4eeb

Evolutionary Monte Carlo of QM Properties in Chemical Space: Electrolyte Design

Autoren: Konstantin Karandashev, Jan Weinreich, Stefan Heinen, Daniel Jose Arismendi Arrieta, Guido Falk von Rudorff, Kersti Hermansson, O. Anatole von Lilienfeld
Veröffentlicht in: Journal of Chemical Theory and Computation, Ausgabe 19, 2023, Seite(n) 8861-8870, ISSN 1549-9618
Herausgeber: American Chemical Society
DOI: 10.1021/acs.jctc.3c00822

Kernel based quantum machine learning at record rate: Many-body distribution functionals as compact representations

Autoren: Danish Khan, Stefan Heinen, O. Anatole von Lilienfeld
Veröffentlicht in: The Journal of Chemical Physics, Ausgabe 159, 2023, ISSN 0021-9606
Herausgeber: American Institute of Physics
DOI: 10.1063/5.0152215

Towards self-driving laboratories: The central role of density functional theory in the AI age

Autoren: Huang, Bing; von Rudorff, Guido Falk; von Lilienfeld, O. Anatole
Veröffentlicht in: Science, 2023, ISSN 1095-9203
Herausgeber: AAAS
DOI: 10.48550/arxiv.2304.03272

<i>Ab initio</i> machine learning of phase space averages

Autoren: Jan Weinreich, Dominik Lemm, Guido Falk von Rudorff, O. Anatole von Lilienfeld
Veröffentlicht in: The Journal of Chemical Physics, Ausgabe 157, 2023, ISSN 0021-9606
Herausgeber: American Institute of Physics
DOI: 10.1063/5.0095674

Reducing training data needs with minimal multilevel machine learning (M3L)

Autoren: Stefan Heinen, Danish Khan, Guido Falk von Rudorff, Konstantin Karandashev, Daniel Jose Arismendi Arrieta, Alastair J A Price, Surajit Nandi, Arghya Bhowmik, Kersti Hermansson, O Anatole von Lilienfeld
Veröffentlicht in: Machine Learning: Science and Technology, Ausgabe 5, 2024, Seite(n) 025058, ISSN 2632-2153
Herausgeber: IOPP
DOI: 10.1088/2632-2153/ad4ae5

Encrypted machine learning of molecular quantum properties

Autoren: Jan Weinreich, Guido Falk von Rudorff, O Anatole von Lilienfeld
Veröffentlicht in: Machine Learning: Science and Technology, Ausgabe 4, 2023, Seite(n) 025017, ISSN 2632-2153
Herausgeber: IOPP
DOI: 10.1088/2632-2153/acc928

Relative energies without electronic perturbations via alchemical integral transform

Autoren: Simon León Krug, Guido Falk von Rudorff, O. Anatole von Lilienfeld
Veröffentlicht in: The Journal of Chemical Physics, Ausgabe 157, 2023, ISSN 0021-9606
Herausgeber: American Institute of Physics
DOI: 10.1063/5.0111511