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

Performance of two complementary machine-learned potentials in modelling chemically complex systems

K. Gubaev, V. Zaverkin, P. Srinivasan, A. Duff, J. Kästner, und B. Grabowski. npj computational materials, 9 (1): 129 (2023)
DOI: 10.1038/s41524-023-01073-w

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.

Konstantin Werner University of Stuttgart

Konstantin Szengel University of Stuttgart

Konstantin Scheeff University of Stuttgart

Konstantin Frick University of Stuttgart

Konstantin Lucke University of Stuttgart

Weitere Publikationen von Autoren mit dem selben Namen

Performance of two complementary machine-learned potentials in modelling chemically complex systemsK. Gubaev, V. Zaverkin, P. Srinivasan, A. Duff, J. Kästner, und B. Grabowski. npj computational materials, 9 (1): 129 (2023)Constrained DFT-based magnetic machine-learning potentials for magnetic alloys : a case study of Fe-AlA. Kotykhov, K. Gubaev, M. Hodapp, C. Tantardini, A. Shapeev, und I. Novikov. Scientific reports, 13 (1): 19728 (2023)Data for: Performance of two complementary machine-learned potentials in modelling chemically complex systemsK. Gubaev, V. Zaverkin, P. Srinivasan, A. Duff, J. Kästner, und B. Grabowski. Dataset, (2023)Related to: Performance of two complementary machine-learned potentials in modelling chemically complex systems. npj. Comp. Mat.Frontiers in atomistic simulations of high entropy alloysA. Ferrari, B. Dutta, K. Gubaev, Y. Ikeda, P. Srinivasan, B. Grabowski, und F. Körmann. Journal of applied physics, 128 (15): 150901 (2020)Chemically induced local lattice distortions versus structural phase transformations in compositionally complex alloysY. Ikeda, K. Gubaev, J. Neugebauer, B. Grabowski, und F. Körmann. npj computational materials, (2021)Finite-temperature interplay of structural stability, chemical complexity, and elastic properties of bcc multicomponent alloys from ab initio trained machine-learning potentialsK. Gubaev, Y. Ikeda, F. Tasnadi, J. Neugebauer, A. Shapeev, B. Grabowski, und F. Körmann. Physical review materials, 5 (7): 073801 (2021)Finite-temperature interplay of structural stability, chemical complexity, and elastic properties of bcc multicomponent alloys from ab initio trained machine-learning potentialsK. Gubaev, Y. Ikeda, F. Tasnádi, J. Neugebauer, A. Shapeev, B. Grabowski, und F. Körmann. Physical Review Materials, 5 (7): 073801 (2021)Performance of two complementary machine-learned potentials in modelling chemically complex systemsK. Gubaev, V. Zaverkin, P. Srinivasan, A. Duff, J. Kästner, und B. Grabowski. Npj Comput. Mater., (2023)