Quantum Machine Learning: Chemical Reactions with Unprecedented Speed and Accuracy

Información del proyecto

QML

Identificador del acuerdo de subvención: 772834

DOI

10.3030/772834

Proyecto cerrado

Fecha de la firma de la CE 24 Enero 2018

Fecha de inicio 1 Junio 2018

Fecha de finalización 31 Mayo 2024

Financiado con arreglo a

• EXCELLENT SCIENCE - European Research Council (ERC)

Coste total

€ 1 980 500,00

Aportación de la UE

€ 1 980 500,00

Coordinado por

TECHNISCHE UNIVERSITAT BERLIN
Germany

CORDIS proporciona enlaces a los documentos públicos y las publicaciones de los proyectos de los programas marco HORIZONTE.

Los enlaces a los documentos y las publicaciones de los proyectos del Séptimo Programa Marco, así como los enlaces a algunos tipos de resultados específicos, como conjuntos de datos y «software», se obtienen dinámicamente de OpenAIRE .

Publicaciones

Other (7)

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

Autores: Jan Weinreich, Nicholas J. Browning, O. Anatole von Lilienfeld
Publicado en: J. Chem. Phys., Edición 154, 2021, Página(s) 134113
Editor: arXiv
DOI: 10.1063/5.0041548

Large yet bounded: Spin gap ranges in carbenes

Autores: Max Schwilk, Diana N. Tahchieva, O. Anatole von Lilienfeld
Publicado en: preprint, 2020
Editor: arXiv

Quantum based machine learning of competing chemical reaction profiles

Autores: Stefan Heinen, Guido Falk von Rudorff, O. Anatole von Lilienfeld
Publicado en: preprint, 2020
Editor: arXiv

Machine learning the computational cost of quantum chemistry

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

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

Autores: Bragato, Marco; von Rudorff, Guido Falk; von Lilienfeld, O. Anatole
Publicado en: preprint, Edición 5, 2023
Editor: arxiv
DOI: 10.48550/arxiv.2305.07010

Generalized Alchemical Integral Transform and the multi-electron atom energy

Autores: Krug, Simon León; von Lilienfeld, O. Anatole
Publicado en: Edición 1, 2023
Editor: arxiv

Simplifying inverse material design problems for fixed lattices with alchemical chirality

Autores: Guido Falk von Rudorff, O. Anatole von Lilienfeld
Publicado en: Science Advances, 2020
Editor: arXiv
DOI: 10.1126/sciadv.abf1173

Peer reviewed articles (17)

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

Autores: Heinen, S.; von Rudorff, G. F.; von Lilienfeld, O. A.
Publicado en: J Chem Phys, Edición 20, 2022, ISSN 1089-7690
Editor: AIP
DOI: 10.48550/arxiv.2205.02623

Fast and accurate excited states predictions: Machine learning and diabatization

Autores: Štěpán Sršeň, O. Anatole von Lilienfeld, Petr Slavicek
Publicado en: Physical Chemistry Chemical Physics, 2023, ISSN 1463-9076
Editor: Royal Society of Chemistry
DOI: 10.26434/chemrxiv-2023-9pxq1

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

Autores: Dominik Lemm, Guido Falk von Rudorff, O. Anatole von Lilienfeld
Publicado en: Digital Discovery, Edición 3, 2024, Página(s) 136-144, ISSN 2635-098X
Editor: RSC
DOI: 10.1039/d3dd00132f

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

Autores: Bernard Mazouin, Alexandre Alain Schöpfer, O. Anatole von Lilienfeld
Publicado en: Materials Advances, Edición 3, 2024, Página(s) 8306-8316, ISSN 2633-5409
Editor: RSC
DOI: 10.1039/d2ma00742h

Data enhanced Hammett-equation: reaction barriers in chemical space

Autores: Marco Bragato, Guido Falk von Rudorff, O. Anatole von Lilienfeld
Publicado en: Chemical Science, Edición 11/43, 2020, Página(s) 11859-11868, ISSN 2041-6520
Editor: Royal Society of Chemistry
DOI: 10.1039/d0sc04235h

Conformer-specific polar cycloaddition of dibromobutadiene with trapped propene ions

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

Noncovalent Quantum Machine Learning Corrections to Density Functionals

Autores: Pál D. Mezei, O. Anatole von Lilienfeld
Publicado en: Journal of Chemical Theory and Computation, Edición 16/4, 2020, Página(s) 2647-2653, ISSN 1549-9618
Editor: American Chemical Society
DOI: 10.1021/acs.jctc.0c00181

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

Autores: Stefan Heinen, Guido Falk von Rudorff, O. Anatole von Lilienfeld
Publicado en: The Journal of Chemical Physics, Edición 155, 2023, ISSN 0021-9606
Editor: American Institute of Physics
DOI: 10.1063/5.0059742

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

Autores: Stefan Heinen, Guido Falk von Rudorff, O. Anatole von Lilienfeld
Publicado en: The Journal of Chemical Physics, Edición 157, 2023, ISSN 0021-9606
Editor: American Institute of Physics
DOI: 10.1063/5.0112856

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

Autores: Max Schwilk, Pál D Mezei, Diana N Tahchieva, O Anatole von Lilienfeld
Publicado en: Electronic Structure, Edición 4, 2022, Página(s) 014005, ISSN 2516-1075
Editor: IOPP
DOI: 10.1088/2516-1075/ac4eeb

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

Autores: Konstantin Karandashev, Jan Weinreich, Stefan Heinen, Daniel Jose Arismendi Arrieta, Guido Falk von Rudorff, Kersti Hermansson, O. Anatole von Lilienfeld
Publicado en: Journal of Chemical Theory and Computation, Edición 19, 2023, Página(s) 8861-8870, ISSN 1549-9618
Editor: American Chemical Society
DOI: 10.1021/acs.jctc.3c00822

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

Autores: Danish Khan, Stefan Heinen, O. Anatole von Lilienfeld
Publicado en: The Journal of Chemical Physics, Edición 159, 2023, ISSN 0021-9606
Editor: American Institute of Physics
DOI: 10.1063/5.0152215

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

Autores: Huang, Bing; von Rudorff, Guido Falk; von Lilienfeld, O. Anatole
Publicado en: Science, 2023, ISSN 1095-9203
Editor: AAAS
DOI: 10.48550/arxiv.2304.03272

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

Autores: Jan Weinreich, Dominik Lemm, Guido Falk von Rudorff, O. Anatole von Lilienfeld
Publicado en: The Journal of Chemical Physics, Edición 157, 2023, ISSN 0021-9606
Editor: American Institute of Physics
DOI: 10.1063/5.0095674

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

Autores: 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
Publicado en: Machine Learning: Science and Technology, Edición 5, 2024, Página(s) 025058, ISSN 2632-2153
Editor: IOPP
DOI: 10.1088/2632-2153/ad4ae5

Encrypted machine learning of molecular quantum properties

Autores: Jan Weinreich, Guido Falk von Rudorff, O Anatole von Lilienfeld
Publicado en: Machine Learning: Science and Technology, Edición 4, 2023, Página(s) 025017, ISSN 2632-2153
Editor: IOPP
DOI: 10.1088/2632-2153/acc928

Relative energies without electronic perturbations via alchemical integral transform

Autores: Simon León Krug, Guido Falk von Rudorff, O. Anatole von Lilienfeld
Publicado en: The Journal of Chemical Physics, Edición 157, 2023, ISSN 0021-9606
Editor: American Institute of Physics
DOI: 10.1063/5.0111511