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

Gaussian Moments as Physically Inspired Molecular Descriptors for Accurate and Scalable Machine Learning Potentials

V. Zaverkin, und J. Kästner. J. Chem. Theory Comput., (2020)
DOI: 10.1021/acs.jctc.0c00347

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.

V. Zaverkin

Viktor Zaverkin University of Stuttgart

V. Vaikuntanathan

Univ. -Prof. Dr. -Ing. Alexander Verl University of Stuttgart

Fehlertolerante Sicherheitssteuerung aus der Cloud : Softwarebasierte SicherheitssteuerungenM. Fischer, M. Walker, A. Lechler, O. Riedel, und A. Verl. Werkstattstechnik, 113 (5): 189-194 (2023)

Fehlertolerante Sicherheitssteuerung aus der Cloud : Softwarebasierte SicherheitssteuerungenM. Fischer, M. Walker, A. Lechler, O. Riedel, und A. Verl. Werkstattstechnik, 113 (5): 189-194 (2023)Konzept zur Testfallgenerierung mittels Mixed Reality : Erweiterung der Testautomatisierung um Methoden der Mixed-Reality-in-the-Loop-Simulation (MRiLS)J. Hönig, D. Littfinski, M. Schnierle, S. Röck, und A. Verl. Werkstattstechnik, 113 (5): 200-206 (2023)

Michael P. Voigt Universität Stuttgart

Weitere Publikationen von Autoren mit dem selben Namen

Fast and Sample-Efficient Interatomic Neural Network Potentials for Molecules and Materials Based on Gaussian MomentsV. Zaverkin, J. Kästner, D. Holzmüller, und I. Steinwart. J. Chem. Theory Comput., (2021)https://arxiv.org/abs/2002.04861.Binding energies and sticking coefficients of H2 on crystalline and amorphous CO iceMolpeceres, G., Zaverkin, V., Watanabe, N., und Kästner, J.. A&A, (2021)Exploration of transferable and uniformly accurate neural network interatomic potentials using optimal experimental designV. Zaverkin, und J. Kästner. Mach. Learn.: Sci. Technol., (2021)Reaction dynamics on amorphous solid water surfaces using interatomic machine-learned potentials - Microscopic energy partition revealed from the P + H → PH reactionMolpeceres, G., Zaverkin, V., Furuya, K., Aikawa, Y., und Kästner, J.. Astronomy & Astrophysics, (2023)Tunnelling dominates the reactions of hydrogen atoms with unsaturated alcohols and aldehydes in the dense mediumV. Zaverkin, T. Lamberts, M. Markmeyer, und J. Kaestner. Astronomy & Astrophysics, (2018)Binding energies and sticking coefficients of H₂ on crystalline and amorphous CO iceG. Molpeceres, V. Zaverkin, N. Watanabe, und J. Kästner. Astron. Astrophys., (2021)Gaussian Moments as Physically Inspired Molecular Descriptors for Accurate and Scalable Machine Learning PotentialsV. Zaverkin, und J. Kästner. J. Chem. Theory Comput., (2020)