en
en
Источник
AI4X
Дата публикации
08.07.2025
Авторы
Артем Дембицкий Роман Еремин Иннокентий Хумонен Семен Буденный Станислав Федотов Дмитрий Аксёнов
Поделиться

Datasets for Benchmarking Machine Learning Models for Accelerated Search of Fast Ionic Conductors

GNN, uMLIP, Li-ion, benchmark, dataset

Аннотация

Fast ionic conductors are essential for advancing electrochemical devices, such as batteries, gas sensors, and ceramic membranes [1]. Traditional searches for these materials rely on costly highthroughput (HT) density functional theory (DFT) calculations across diverse chemical and structural spaces. To accelerate technological advancement in this area, HT schemes must be optimized by replacing DFTwith accurate and fast surrogate models for rapid materials screening. Here, we benchmark existing machine learning (ML) models for HT search of Li-ion conductors.




Cкачать pdf

Похожие публикации

AI4X
Data-driven assessment of thermodynamic stability and search for competing phases: Application to the 2D Material Defect dataset
Роман Еремин, Алексей Кравцов, Иннокентий Хумонен, Артем Дембицкий, Семен Буденный
Читать источник
npj Computational Materials
Discovery of Chemically Modified Higher Tungsten Boride by Means of Hybrid GNN/DFT Approach
Никита Мацокин, Роман Еремин, Анастасия Кузнецова, Иннокентий Хумонен, Алексей Кравцов, Владимир Лазарев, Юлия Васильева, Александр Пак, Семен Буденный, Александр Квашнин, Андрей Осипцов
Читать источник
npj Computational Materials
Benchmarking Machine Learning Models for Predicting Lithium Ion Migration
Артем Дембицкий, Иннокентий Хумонен, Роман Еремин, Дмитрий Аксёнов, Станислав Федотов, Семен Буденный
Читать источник
EPJ Data Science
Assessing the complexity of a path search optimization method based on clustering for a transport graph
Дмитрий Фёдоров, Георгий Концевик, Роман Баширов, Сергей Митягин, Любовь Тупикина, Никита Захаренко, Семен Буденный
Читать источник
Биохимическая физика
Влияние симметрии кристаллических структур в обучающей выборке на оценку энергии графовыми нейронными сетями на примере разупорядоченного CsPbI3
Алексей Кравцов, Иннокентий Хумонен, Владимир Лазарев, Роман Еремин, Семен Буденный
Читать источник
Scientific Reports
Impact of crystal structure symmetry in training datasets on GNN-based energy assessments for chemically disordered CsPbI3
Алексей Кравцов, Иннокентий Хумонен, Владимир Лазарев, Роман Еремин, Семен Буденный
Читать источник
Scientific Reports
Doping Position Estimation for FeRh-based alloys
Егор Румянцев, Кузьма Храбров, Артем Цыпин, Никита Пересыпкин, Радель Гимаев, Владимир Зверев, Роман Еремин, Артур Кадурин
Читать источник
Связаться
Присоединяйтесь к AIRI в соцсетях
Вы можете задать нам вопрос или предложить совместный проект в области ИИ

Сообщение отправлено.

Спасибо!

Что-то пошло не так. Попробуйте снова