Zobrazeno 1 - 10
of 328
pro vyhledávání: '"S. Avula"'
Autor:
S. Bilichodu Rangappa, S. Avula
Publikováno v:
European Psychiatry, Vol 66, Pp S602-S602 (2023)
Introduction Mental health issues of the health care workers (HCW) are often overlooked. It’s often presumed that situations like COVID are handled well by this group of population and hence their own mental wellbeing is ignored and neglected. Obje
Externí odkaz:
https://doaj.org/article/3125d23a0e5e47668e46a466584900e1
Publikováno v:
ACS Omega, Vol 5, Iss 43, Pp 28285-28295 (2020)
Externí odkaz:
https://doaj.org/article/90959f3704314ae58b2a8745a6dfc140
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.
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.
Publikováno v:
The Journal of Physical Chemistry Letters. 11:9613-9620
Although ion-hopping is believed to be a significant mode of transport for small ions in liquid high concentration electrolytes (HCE), its bulk signatures over sufficiently long time intervals are yet to be shown. We computationally establish the lon
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::4a25bb896072dad3e6ee426be8e168fc
https://doi.org/10.1021/acs.jpclett.0c02995
https://doi.org/10.1021/acs.jpclett.0c02995
Publikováno v:
Machine Learning: Science and Technology. 3:045032
Shear viscosity, though being a fundamental property of all fluids, is computationally expensive to calculate from equilibrium molecular dynamics simulations. Recently, machine learning (ML) methods have been used to augment molecular simulations in
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_________::5f1071a7bef4b4da5aeb1e6065a61d42
https://doi.org/10.1088/2632-2153/acac01
https://doi.org/10.1088/2632-2153/acac01