Weiter zum Inhalt
Universidad del Mar SIBUMAR Descubridor Institucional UMAR
  • Inicio
  • Búsqueda avanzada
  • Explorar
  • Login
    • English
    • Deutsch
    • Español
    • Français
    • Italiano
Erweitert
  • Open Catalyst Experiments 2024 (OCx24): Bridging Experiments and Computational Models
Buchumschlag

Open Catalyst Experiments 2024 (OCx24): Bridging Experiments and Computational Models

Fuente: arXiv
Gespeichert in:
Bibliographische Detailangaben
Hauptverfasser: Abed, Jehad, Kim, Jiheon, Shuaibi, Muhammed, Wander, Brook, Duijf, Boris, Mahesh, Suhas, Lee, Hyeonseok, Gharakhanyan, Vahe, Hoogland, Sjoerd, Irtem, Erdem, Lan, Janice, Schouten, Niels, Vijayakumar, Anagha Usha, Hattrick-Simpers, Jason, Kitchin, John R., Ulissi, Zachary W., van Vugt, Aaike, Sargent, Edward H., Sinton, David, Zitnick, C. Lawrence
Format: Preprint
Veröffentlicht: 2024
Schlagworte:
Materials Science
Chemical Physics
Online-Zugang:
Acceder al recurso
Tags: Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
  • Zitieren
  • SMS versenden
  • Als E-Mail versenden
  • Drucken
  • Datensatz exportieren
    • Exportieren nach RefWorks
    • Exportieren nach EndNoteWeb
    • Exportieren nach EndNote
  • Zu den Favoriten
  • Persistenter Link
  • Exemplare
  • Beschreibung
  • Kommentare
  • Ähnliche Einträge
  • Internformat

Online

https://arxiv.org/abs/2411.11783

Ähnliche Einträge

  • CatTSunami: Accelerating Transition State Energy Calculations with Pre-trained Graph Neural Networks
    von: Wander, Brook, et al.
    Veröffentlicht: (2024)
  • Accessing Numerical Energy Hessians with Graph Neural Network Potentials and Their Application in Heterogeneous Catalysis
    von: Wander, Brook, et al.
    Veröffentlicht: (2024)
  • UMA: A Family of Universal Models for Atoms
    von: Wood, Brandon M., et al.
    Veröffentlicht: (2025)
  • From Molecules to Materials: Pre-training Large Generalizable Models for Atomic Property Prediction
    von: Shoghi, Nima, et al.
    Veröffentlicht: (2023)
  • Reproducibility in Computational Materials Science: Lessons from 'A General-Purpose Machine Learning Framework for Predicting Properties of Inorganic Materials'
    von: Persaud, Daniel, et al.
    Veröffentlicht: (2023)
Universidad del Mar
Universidad del MarSistema Bibliotecario de la Universidad del MarDescubridor Institucional UMARImplementación y desarrollo: Mtro. Carlos Alonso Albores Pérez
InicioBúsqueda avanzadaExplorar
Visitas al Descubridor: 33,245© 2026 Universidad del Mar