Zobrazeno 1 - 10
of 30
pro vyhledávání: '"Pinheiro Jr, Max"'
Autor:
Dral, Pavlo O., Ge, Fuchun, Hou, Yi-Fan, Zheng, Peikun, Chen, Yuxinxin, Barbatti, Mario, Isayev, Olexandr, Wang, Cheng, Xue, Bao-Xin, Pinheiro Jr, Max, Su, Yuming, Dai, Yiheng, Chen, Yangtao, Zhang, Lina, Zhang, Shuang, Ullah, Arif, Zhang, Quanhao, Ou, Yanchi
Machine learning (ML) is increasingly becoming a common tool in computational chemistry. At the same time, the rapid development of ML methods requires a flexible software framework for designing custom workflows. MLatom 3 is a program package design
Externí odkaz:
http://arxiv.org/abs/2310.20155
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.
Publikováno v:
Phys. Rev. B 92, 195134 (2015)
We follow the evolution of the Ionization Potential (IP) for the paradigmatic quasi-one-dimensional trans-acetylene family of conjugated molecules, from short to long oligomers and to the infinite polymer trans-poly-acetylene (TPA). Our results for s
Externí odkaz:
http://arxiv.org/abs/1503.03704
Autor:
Chagas, Julio C. V., Milanez, Bruno D., Oliveira, Vytor P., Pinheiro Jr, Max, Ferrão, Luiz F. A., Aquino, Adelia J. A., Lischka, Hans, Machado, Francisco B. C.
Publikováno v:
Journal of Computational Chemistry; 5/5/2024, Vol. 45 Issue 12, p863-877, 15p
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:
Pinheiro Jr, Max, Dral, Pavlo
Publikováno v:
Quantum Chemistry in the Age of Machine Learning
Pavlo O. Dral. Quantum Chemistry in the Age of Machine Learning, Elsevier, pp.205-232, 2022, 978-0-323-90049-2. ⟨10.1016/B978-0-323-90049-2.00009-3⟩
Pavlo O. Dral. Quantum Chemistry in the Age of Machine Learning, Elsevier, pp.205-232, 2022, 978-0-323-90049-2. ⟨10.1016/B978-0-323-90049-2.00009-3⟩
International audience; This chapter introduces a powerful class of machine learning approaches called kernel methods, which present an alternative to arguably more widely known neural network approaches. Kernel methods can learn even highly nonlinea
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::70d4f62f5a752fafc257fc9a83e6ffd3
https://doi.org/10.1016/b978-0-323-90049-2.00009-3
https://doi.org/10.1016/b978-0-323-90049-2.00009-3
Autor:
Pinheiro Jr, Max ⁎, Dral, Pavlo O. ⁎
Publikováno v:
In Quantum Chemistry in the Age of Machine Learning 2023:205-232