Zobrazeno 1 - 10
of 103
pro vyhledávání: '"Jensen, Kirsten M. O."'
Autor:
Andersen, Henrik L., Granados-Miralles, Cecilia, Jensen, Kirsten M. O., Saura-Muzquiz, Matilde, Christensen, Mogens
The nucleation, crystallization, and growth mechanisms of MnFe2O4, CoFe2O4, NiFe2O4, and ZnFe2O4 nanocrystallites prepared from coprecipitated transition metal (TM) hydroxide precursors treated at sub-, near-, and supercritical hydrothermal condition
Externí odkaz:
http://arxiv.org/abs/2410.01527
Autor:
Friis-Jensen, Ulrik, Johansen, Frederik L., Anker, Andy S., Dam, Erik B., Jensen, Kirsten M. Ø., Selvan, Raghavendra
Publikováno v:
KDD '24: Proceedings of the 30th ACM SIGKDD Conference on Knowledge Discovery and Data Mining. 2024
Advances in graph machine learning (ML) have been driven by applications in chemistry as graphs have remained the most expressive representations of molecules. While early graph ML methods focused primarily on small organic molecules, recently, the s
Externí odkaz:
http://arxiv.org/abs/2402.13221
Autor:
Lindhøj, Mette Bjerg, Cooper, Susan Rudd, Anker, Andy S., Bonnin, Anne, Kristensen, Mie, Qvortrup, Klaus, Almstrup, Kristian, Jensen, Kirsten M. Ø., Dyrby, Tim B., Sporring, Jon
Fast phase-contrast imaging offered by modern synchrotron facilities opens the possibility of imaging dynamic processes of biological material such as cells. Cells are mainly composed of carbon and hydrogen, which have low X-ray attenuation, making c
Externí odkaz:
http://arxiv.org/abs/2309.03908
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:
Banerjee, Soham, Liu, Chia-Hao, Jensen, Kirsten M. O., Juhas, Pavol, Lee, Jennifer D., Tofanelli, Marcus, Ackerson, Christopher J., Murray, Christopher B., Billinge, Simon J. L.
We present a novel approach for finding and evaluating structural models of small metallic nanoparticles. Rather than fitting a single model with many degrees of freedom, the approach algorithmically builds libraries of nanoparticle clusters from mul
Externí odkaz:
http://arxiv.org/abs/1901.08754
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.