Autor der Publikation

Kopieren Löschen Diese Publikation zur Ablage hinzufügen
Community-Eintrag
Versionsverlauf dieses Eintrags
URL
DOI
BibTeX
EndNote
APA
Chicago
DIN 1505
Harvard
MSOffice XML

MLIPX: Machine Learned Interatomic Potential eXploration

F. Zills, S. Agarwal, T. Goncalves, S. Gupta, E. Fako, S. Han, I. Mueller, C. Holm, und S. De. (Juni 2025)
DOI: 10.26434/chemrxiv-2025-0v720

Bitte wählen Sie eine Person um die Publikation zuzuordnen

Um zwischen Personen mit demselben Namen zu unterscheiden, wird der akademische Grad und der Titel einer wichtigen Publikation angezeigt. Zudem lassen sich über den Button neben dem Namen einige der Person bereits zugeordnete Publikationen anzeigen.

Fabian Zills University of Stuttgart

Fabian Hampp University of Stuttgart

QoI - Soot filaments : Database of soot filaments image snippets for generating synthetic training dataB. Jose, K. Geigle, und F. Hampp. Dataset, (2025)

QoI - Soot filaments : Database of soot filaments image snippets for generating synthetic training dataB. Jose, K. Geigle, und F. Hampp. Dataset, (2025)QoI - Droplets : Database of droplets (quantity of interest) for generating synthetic training dataB. Jose, und F. Hampp. Dataset, (2025)Related to: Basil Jose, Fabian Hampp (2024). Machine learning based spray process quantification. International Journal of Multiphase Flow 172, 104702. doi: 10.1016/j.ijmultiphaseflow.2023.104702.Code for training and using the soot (instance) segmentation models : Instance segmentation model to extract soot filaments from PIV measurements in RQL-type combustorB. Jose, K. Geigle, und F. Hampp. Software, (2025)

Dr. Fabian Schubö University of Stuttgart

Fabian Schnelle

Design and programming for cable-driven parallel robots in the German pavilion at the EXPO 2015P. Tempel, F. Schnelle, A. Pott, und P. Eberhard. Machines, 3 (3): 223-241 (2015)

Fabian Marquardt University of Stuttgart

Weitere Publikationen von Autoren mit dem selben Namen

ZnTrack : Data as CodeF. Zills, M. Schäfer, S. Tovey, J. Kästner, und C. Holm. Preprint, (2024)MLIPX: Machine Learned Interatomic Potential eXplorationF. Zills, S. Agarwal, T. Goncalves, S. Gupta, E. Fako, S. Han, I. Mueller, C. Holm, und S. De. (Juni 2025)Zero Shot Molecular Generation via Similarity KernelsR. Elijošius, F. Zills, I. Batatia, S. Norwood, D. Kovács, C. Holm, und G. Csányi. Preprint, (2024)Zero shot molecular generation via similarity kernelsR. Elijosius, F. Zills, I. Batatia, S. Norwood, D. Kovács, C. Holm, und G. Csányi. Nature Communications, 16 (1): 5991 (01.07.2025)MDSuite: comprehensive post-processing tool for particle simulationsS. Tovey, F. Zills, F. Torres-Herrador, C. Lohrmann, M. Brückner, und C. Holm. Journal of cheminformatics, (2023)Collaboration on Machine-Learned Potentials with IPSuite : A Modular Framework for Learning-on-the-FlyF. Zills, M. Schäfer, N. Segreto, J. Kästner, C. Holm, und S. Tovey. The journal of physical chemistry. B, Condensed matter, materials, surfaces, interfaces & biophysical chemistry, 128 (15): 3662-3676 (2024)MDSuite: comprehensive post-processing tool for particle simulationsS. Tovey, F. Zills, F. Torres-Herrador, C. Lohrmann, M. Brückner, und C. Holm. Journal of Cheminformatics, (2023)Machine learning-driven investigation of the structure and dynamics of the BMIM-BF4 room temperature ionic liquidF. Zills, M. Schäfer, S. Tovey, J. Kästner, und C. Holm. Faraday Discuss., (2024)Thermally Averaged Magnetic Anisotropy Tensors via Machine Learning Based on Gaussian MomentsV. Zaverkin, J. Netz, F. Zills, A. Köhn, und J. Kästner. Journal of chemical theory and computation, 18 (1): 1-12 (2021)Machine Learning-Driven Investigation of the Structure and Dynamics of the BMIM-BF₄ Room Temperature Ionic LiquidF. Zills, M. Schäfer, S. Tovey, J. Kästner, und C. Holm. Faraday Discussions, (2024)