Salta al contenuto
VuFind
  • Entra
    • English
    • Deutsch
    • Español
    • Français
    • Italiano
Avanzata
  • Citazione
  • Invia SMS
  • Invia email
  • Stampa
  • Esporta il record
    • Esporta a RefWorks
    • Esporta a EndNoteWeb
    • Esporta a EndNote
  • Aggiungi alla lista
  • PLink permanente
Copertina

Salvato in:
Dettagli Bibliografici
Autori principali: Yin, Shi, Dai, Zujian, Pan, Xinyang, He, Lixin
Natura: Preprint
Pubblicazione: 2025
Soggetti:
Machine Learning
Materials Science
Artificial Intelligence
Chemical Physics
Computational Physics
Accesso online:https://arxiv.org/abs/2509.19877
Tags: Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!
  • Posseduto
  • Descrizione
  • Sommario
  • Commenti
  • Documenti analoghi
  • MARC21

Accesso online

https://arxiv.org/abs/2509.19877

Documenti analoghi

  • TraceGrad: a Framework Learning Expressive SO(3)-equivariant Non-linear Representations for Electronic-Structure Hamiltonian Prediction
    di: Yin, Shi, et al.
    Pubblicazione: (2024)
  • Towards Harmonization of SO(3)-Equivariance and Expressiveness: a Hybrid Deep Learning Framework for Electronic-Structure Hamiltonian Prediction
    di: Yin, Shi, et al.
    Pubblicazione: (2024)
  • Enhancing the Scalability and Applicability of Kohn-Sham Hamiltonians for Molecular Systems
    di: Li, Yunyang, et al.
    Pubblicazione: (2025)
  • COFAP: A Universal Framework for COFs Adsorption Prediction through Designed Multi-Modal Extraction and Cross-Modal Synergy
    di: Li, Zihan, et al.
    Pubblicazione: (2025)
  • From Evaluation to Design: Using Potential Energy Surface Smoothness Metrics to Guide Machine Learning Interatomic Potential Architectures
    di: Liu, Ryan, et al.
    Pubblicazione: (2026)

Opzioni di ricerca

  • Ultime ricerche
  • Ricerca avanzata

Cerca

  • Scorri il catalogo
  • Scorri in ordine alfabetico
  • Esplora selezioni
  • Materiali riservati (per i corsi)
  • Nuovi documenti

Serve aiuto?

  • Suggerimenti per la ricerca
  • Chiedi al bibliotecario
  • FAQ