Anar al contingut
VuFind
  • Iniciar sessió
    • English
    • Deutsch
    • Español
    • Français
    • Italiano
    • 日本語
    • Nederlands
    • Português
    • Português (Brasil)
    • 中文(简体)
    • 中文(繁體)
    • Türkçe
    • עברית
    • Gaeilge
    • Cymraeg
    • Ελληνικά
    • Català
    • Euskara
    • Русский
    • Čeština
    • Suomi
    • Svenska
    • polski
    • Dansk
    • slovenščina
    • اللغة العربية
    • বাংলা
    • Galego
    • Tiếng Việt
    • Hrvatski
    • हिंदी
    • Հայերէն
    • Українська
    • Sámegiella
    • Монгол
    • Māori
Avançada
  • Citar
  • Enviar aquest missatge de text
  • Enviar per correu electrònic aquest
  • Imprimir
  • Exportar registre
    • Exportar a RefWorks
    • Exportar a EndNoteWeb
    • Exportar a EndNote
  • Afegir a favorits
  • Enllaç permanent
Imatge de la portada

Guardat en:
Dades bibliogràfiques
Autors principals: Nandi, Apurba, Pandey, Priyanka, Houston, Paul L., Qu, Chen, Yu, Qi, Conte, Riccardo, Tkatchenko, Alexandre, Bowman, Joel M.
Format: Preprint
Publicat: 2024
Matèries:
Chemical Physics
Accés en línia:https://arxiv.org/abs/2407.20050
Etiquetes: Afegir etiqueta
Sense etiquetes, Sigues el primer a etiquetar aquest registre!
  • Fons
  • Descripció
  • Taula de continguts
  • Comentaris
  • Ítems similars
  • Visualització del personal

Internet

https://arxiv.org/abs/2407.20050

Ítems similars

  • A $Δ$-Machine Learning Approach for Force Fields, Illustrated by a CCSD(T) 4-body Correction to the MB-pol Water Potential
    per: Qu, Chen, et al.
    Publicat: (2022)
  • No Headache for PIPs: A PIP Potential for Aspirin Outperforms Other Machine-Learned Potentials
    per: Houston, Paul L., et al.
    Publicat: (2024)
  • "Gold-Standard" $Δ$-Machine Learned and Transferable Potential for Linear Alkanes
    per: Qu, Chen, et al.
    Publicat: (2025)
  • The quantum nature of ubiquitous vibrational features revealed for ethylene glycol
    per: Nandi, Apurba, et al.
    Publicat: (2025)
  • Permutationally invariant polynomial regression for energies and gradients, using reverse differentiation, achieves orders of magnitude speed-up with high precision compared to other machine learning methods
    per: Houston, Paul L., et al.
    Publicat: (2021)

Opcions de cerca

  • Historial de cerca
  • Cerca avançada

Trobar-ne més

  • Explorar el catàleg
  • Explorar alfabèticament
  • Explora canals
  • Bibliografia recomanada
  • Nous ítems

Necessites ajuda?

  • Consells de cerca
  • Pregunteu al bibliotecari
  • FAQs