| 标题 |
  Scalable training of trustworthy and energy-efficient predictive graph foundation models for atomistic materials modeling: a case study with HydraGNN 用于原子材料建模的可信和节能预测图基础模型的可扩展训练：HydraGNN的案例研究
相关领域
计算机科学
可信赖性
可扩展性
基础（证据）
图形
理论计算机科学
数据库
计算机安全
历史
考古
|
| 网址 | |
| DOI | |
| 其它 |
期刊：The Journal of Supercomputing 作者：Massimiliano Lupo Pasini; Jong Youl Choi; Kshitij Mehta; Pei Zhang; David W. Rogers; et al 出版日期：2025-03-14 |
| 求助人 | |
| 下载 | 求助已完成，仅限求助人下载。 |
|
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
浮游
BowieHuang
shhoing
无极微光
欣慰元蝶
香蕉诗蕊
JJJ
Jared
pluto
丰知然
eric888
子车茗
昏睡的蟠桃
想吃螺蛳粉
star
hovumath
Zx_1993
小青椒
玄风
皮皮
LaTeXer
JiahaoRao
彭于彦祖
NICAI
皖公网安备34019202002308
