Zobrazeno 1 - 10
of 157
pro vyhledávání: '"Gillan, Michael"'
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.
Autor:
Tsatsoulis, Theodoros, Hummel, Felix, Usvyat, Denis, Schütz, Martin, Booth, George H., Binnie, Simon S., Gillan, Michael J., Alfè, Dario, Michaelides, Angelos, Grüneis, Andreas
We present a comprehensive benchmark study of the adsorption energy of a single water molecule on the (001) LiH surface using periodic coupled cluster and quantum Monte Carlo theories. We benchmark and compare different implementations of quantum che
Externí odkaz:
http://arxiv.org/abs/1702.06368
Publikováno v:
Phys. Rev. B 93, 241118(R) (2016)
Diffusion Monte Carlo (DMC) simulations for fermions are becoming the standard to provide high quality reference data in systems that are too large to be investigated via quantum chemical approaches. DMC with the fixed-node approximation relies on mo
Externí odkaz:
http://arxiv.org/abs/1605.08706
Comment in response to Phys. Rev. Lett. 112, 046401 (2014)
Comment: Comment submitted to PRL (slightly updated in response to author's rebuttal and PRL length requirements)
Comment: Comment submitted to PRL (slightly updated in response to author's rebuttal and PRL length requirements)
Externí odkaz:
http://arxiv.org/abs/1402.6828
Autor:
Ford, Michele1 (AUTHOR) michele.ford@sydney.edu.au, Gillan, Michael2 (AUTHOR), Ward, Kristy1 (AUTHOR)
Publikováno v:
Industrial Relations. Apr2023, Vol. 62 Issue 2, p172-188. 17p. 4 Charts.
We show how machine learning techniques based on Bayesian inference can be used to reach new levels of realism in the computer simulation of molecular materials, focusing here on water. We train our machine-learning algorithm using accurate, correlat
Externí odkaz:
http://arxiv.org/abs/1302.5680
We use first-principles techniques to re-examine the suggestion that transitions seen in high-P experiments on Mo are solid-solid transitions from the bcc structure to either the fcc or hcp structures. We confirm that in the harmonic approximation th
Externí odkaz:
http://arxiv.org/abs/1105.0644
We have used calculations based on density functional theory to investigate the energetics of hydrogen absorption in calcium-intercalated graphites. We focus particularly on the absorption energy and the stability of the hydrogenated material with re
Externí odkaz:
http://arxiv.org/abs/1001.4923