Zobrazeno 1 - 6
of 6
pro vyhledávání: '"Bandi, Sasaank"'
Machine learning approaches have recently emerged as powerful tools to probe structure-property relationships in crystals and molecules. Specifically, Machine learning interatomic potentials (MLIP) can accurately reproduce first-principles data at a
Externí odkaz:
http://arxiv.org/abs/2402.18891
Autor:
Bandi, Sasaank, Marianetti, C. A.
Computing phonons from first-principles is typically considered a solved problem, yet inadequacies in existing techniques continue to yield deficient results in systems with sensitive phonons. Here we circumvent this issue using the lone irreducible
Externí odkaz:
http://arxiv.org/abs/2210.15636
Autor:
Liu, Chia-Hao, Wright, Christopher J., Gu, Ran, Bandi, Sasaank, Wustrow, Allison, Todd, Paul K., O'Nolan, Daniel, Beauvais, Michelle L., Neilson, James R., Chupas, Peter J., Chapman, Karena W., Billinge, Simon J. L.
We validate the use of matrix factorization for the automatic identification of relevant components from atomic pair distribution function (PDF) data. We also present a newly developed software infrastructure for analyzing the PDF data arriving in st
Externí odkaz:
http://arxiv.org/abs/2010.11807
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.