Quantum Machine Learning: Chemical Reactions with Unprecedented Speed and Accuracy

Informacje na temat projektu

QML

Identyfikator umowy o grant: 772834

DOI

10.3030/772834

Projekt został zamknięty

Data podpisania przez KE 24 Stycznia 2018

Data rozpoczęcia 1 Czerwca 2018

Data zakończenia 31 Maja 2024

Finansowanie w ramach

• EXCELLENT SCIENCE - European Research Council (ERC)

Koszt całkowity

€ 1 980 500,00

Wkład UE

€ 1 980 500,00

Koordynowany przez

TECHNISCHE UNIVERSITAT BERLIN
Germany

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

Other (7)

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

Autorzy: Jan Weinreich, Nicholas J. Browning, O. Anatole von Lilienfeld
Opublikowane w: J. Chem. Phys., Numer 154, 2021, Strona(/y) 134113
Wydawca: arXiv
DOI: 10.1063/5.0041548

Large yet bounded: Spin gap ranges in carbenes

Autorzy: Max Schwilk, Diana N. Tahchieva, O. Anatole von Lilienfeld
Opublikowane w: preprint, 2020
Wydawca: arXiv

Quantum based machine learning of competing chemical reaction profiles

Autorzy: Stefan Heinen, Guido Falk von Rudorff, O. Anatole von Lilienfeld
Opublikowane w: preprint, 2020
Wydawca: arXiv

Machine learning the computational cost of quantum chemistry

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

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

Autorzy: Bragato, Marco; von Rudorff, Guido Falk; von Lilienfeld, O. Anatole
Opublikowane w: preprint, Numer 5, 2023
Wydawca: arxiv
DOI: 10.48550/arxiv.2305.07010

Generalized Alchemical Integral Transform and the multi-electron atom energy

Autorzy: Krug, Simon León; von Lilienfeld, O. Anatole
Opublikowane w: Numer 1, 2023
Wydawca: arxiv

Simplifying inverse material design problems for fixed lattices with alchemical chirality

Autorzy: Guido Falk von Rudorff, O. Anatole von Lilienfeld
Opublikowane w: Science Advances, 2020
Wydawca: arXiv
DOI: 10.1126/sciadv.abf1173

Peer reviewed articles (17)

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

Autorzy: Heinen, S.; von Rudorff, G. F.; von Lilienfeld, O. A.
Opublikowane w: J Chem Phys, Numer 20, 2022, ISSN 1089-7690
Wydawca: AIP
DOI: 10.48550/arxiv.2205.02623

Fast and accurate excited states predictions: Machine learning and diabatization

Autorzy: Štěpán Sršeň, O. Anatole von Lilienfeld, Petr Slavicek
Opublikowane w: Physical Chemistry Chemical Physics, 2023, ISSN 1463-9076
Wydawca: Royal Society of Chemistry
DOI: 10.26434/chemrxiv-2023-9pxq1

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

Autorzy: Dominik Lemm, Guido Falk von Rudorff, O. Anatole von Lilienfeld
Opublikowane w: Digital Discovery, Numer 3, 2024, Strona(/y) 136-144, ISSN 2635-098X
Wydawca: RSC
DOI: 10.1039/d3dd00132f

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

Autorzy: Bernard Mazouin, Alexandre Alain Schöpfer, O. Anatole von Lilienfeld
Opublikowane w: Materials Advances, Numer 3, 2024, Strona(/y) 8306-8316, ISSN 2633-5409
Wydawca: RSC
DOI: 10.1039/d2ma00742h

Data enhanced Hammett-equation: reaction barriers in chemical space

Autorzy: Marco Bragato, Guido Falk von Rudorff, O. Anatole von Lilienfeld
Opublikowane w: Chemical Science, Numer 11/43, 2020, Strona(/y) 11859-11868, ISSN 2041-6520
Wydawca: Royal Society of Chemistry
DOI: 10.1039/d0sc04235h

Conformer-specific polar cycloaddition of dibromobutadiene with trapped propene ions

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

Noncovalent Quantum Machine Learning Corrections to Density Functionals

Autorzy: Pál D. Mezei, O. Anatole von Lilienfeld
Opublikowane w: Journal of Chemical Theory and Computation, Numer 16/4, 2020, Strona(/y) 2647-2653, ISSN 1549-9618
Wydawca: American Chemical Society
DOI: 10.1021/acs.jctc.0c00181

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

Autorzy: Stefan Heinen, Guido Falk von Rudorff, O. Anatole von Lilienfeld
Opublikowane w: The Journal of Chemical Physics, Numer 155, 2023, ISSN 0021-9606
Wydawca: American Institute of Physics
DOI: 10.1063/5.0059742

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

Autorzy: Stefan Heinen, Guido Falk von Rudorff, O. Anatole von Lilienfeld
Opublikowane w: The Journal of Chemical Physics, Numer 157, 2023, ISSN 0021-9606
Wydawca: American Institute of Physics
DOI: 10.1063/5.0112856

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

Autorzy: Max Schwilk, Pál D Mezei, Diana N Tahchieva, O Anatole von Lilienfeld
Opublikowane w: Electronic Structure, Numer 4, 2022, Strona(/y) 014005, ISSN 2516-1075
Wydawca: IOPP
DOI: 10.1088/2516-1075/ac4eeb

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

Autorzy: Konstantin Karandashev, Jan Weinreich, Stefan Heinen, Daniel Jose Arismendi Arrieta, Guido Falk von Rudorff, Kersti Hermansson, O. Anatole von Lilienfeld
Opublikowane w: Journal of Chemical Theory and Computation, Numer 19, 2023, Strona(/y) 8861-8870, ISSN 1549-9618
Wydawca: American Chemical Society
DOI: 10.1021/acs.jctc.3c00822

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

Autorzy: Danish Khan, Stefan Heinen, O. Anatole von Lilienfeld
Opublikowane w: The Journal of Chemical Physics, Numer 159, 2023, ISSN 0021-9606
Wydawca: American Institute of Physics
DOI: 10.1063/5.0152215

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

Autorzy: Huang, Bing; von Rudorff, Guido Falk; von Lilienfeld, O. Anatole
Opublikowane w: Science, 2023, ISSN 1095-9203
Wydawca: AAAS
DOI: 10.48550/arxiv.2304.03272

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

Autorzy: Jan Weinreich, Dominik Lemm, Guido Falk von Rudorff, O. Anatole von Lilienfeld
Opublikowane w: The Journal of Chemical Physics, Numer 157, 2023, ISSN 0021-9606
Wydawca: American Institute of Physics
DOI: 10.1063/5.0095674

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

Autorzy: 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
Opublikowane w: Machine Learning: Science and Technology, Numer 5, 2024, Strona(/y) 025058, ISSN 2632-2153
Wydawca: IOPP
DOI: 10.1088/2632-2153/ad4ae5

Encrypted machine learning of molecular quantum properties

Autorzy: Jan Weinreich, Guido Falk von Rudorff, O Anatole von Lilienfeld
Opublikowane w: Machine Learning: Science and Technology, Numer 4, 2023, Strona(/y) 025017, ISSN 2632-2153
Wydawca: IOPP
DOI: 10.1088/2632-2153/acc928

Relative energies without electronic perturbations via alchemical integral transform

Autorzy: Simon León Krug, Guido Falk von Rudorff, O. Anatole von Lilienfeld
Opublikowane w: The Journal of Chemical Physics, Numer 157, 2023, ISSN 0021-9606
Wydawca: American Institute of Physics
DOI: 10.1063/5.0111511