| 标题 |
  Performance of two complementary machine-learned potentials in modelling chemically complex systems 两种互补的机器学习潜力在化学复杂系统建模中的性能
相关领域
Atom（片上系统）
力矩（物理）
高斯分布
趋同（经济学）
分子动力学
张量（固有定义）
人工神经网络
统计物理学
计算机科学
材料科学
自由度（物理和化学）
物理
机器学习
数学
热力学
量子力学
嵌入式系统
经济
经济增长
纯数学
|
| 网址 | |
| DOI | |
| 其它 |
期刊：npj Computational Materials 作者：Konstantin Gubaev; Viktor Zaverkin; Prashanth Srinivasan; Andrew Ian Duff; Johannes Kästner; et al 出版日期：2023-07-25 |
| 求助人 |
大安吉
在
2025-06-08 04:09:52 发布，悬赏 10 积分
|
| 下载 | |
|
温馨提示：该文献已被科研通 学术中心 收录，前往查看
科研通『学术中心』是文献索引库，收集文献的基本信息（如标题、摘要、期刊、作者、被引量等），不提供下载功能。如需下载文献全文，请通过文献求助获取。
|
PDF的下载单位、IP信息已删除
(2025-6-4)
cctv18
孙燕
从容芮
小彭友
HEIKU
冰魂
jyy
Triaxane
MchemG
dawnfrf
风清扬
Singularity
若雨凌风
轻松小张
高数数
ZYP
薅住科研的头发
苏卿
Hang
aldehyde
皖公网安备34019202002308
