Zobrazeno 1 - 10
of 7 059
pro vyhledávání: '"molecular datasets"'
Generating a data set that is representative of the accessible configuration space of a molecular system is crucial for the robustness of machine learned interatomic potentials (MLIP). However, the complexity of molecular systems, characterized by in
Externí odkaz:
http://arxiv.org/abs/2402.03753
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:
2023 IEEE International Conference on Quantum Computing and Engineering (QCE), Bellevue, WA, USA, 2023, pp. 342-348
Quantum and quantum-inspired machine learning has emerged as a promising and challenging research field due to the increased popularity of quantum computing, especially with near-term devices. Theoretical contributions point toward generative modelin
Externí odkaz:
http://arxiv.org/abs/2304.10867
Publikováno v:
In Journal of Aerosol Science June 2024 179
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:
Scientific Data, Vol 10, Iss 1, Pp 1-11 (2023)
Abstract Multidimensional surfaces of quantum chemical properties, such as potential energies and dipole moments, are common targets for machine learning, requiring the development of robust and diverse databases extensively exploring molecular confi
Externí odkaz:
https://doaj.org/article/b893e5abcd9644e6b8fe17a30b26266d
Autor:
Nguyen, Duc Duy, Wei, Guo-Wei
Motivation: Despite its great success in various physical modeling, differential geometry (DG) has rarely been devised as a versatile tool for analyzing large, diverse and complex molecular and biomolecular datasets due to the limited understanding o
Externí odkaz:
http://arxiv.org/abs/1806.03765
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Ektefaie Y; Department of Biomedical Informatics, Harvard Medical School, Boston, MA, USA., Shen A; Department of Biomedical Informatics, Harvard Medical School, Boston, MA, USA.; Department of Computer Science, Northwestern University, Evanston, IL, USA., Bykova D; Department of Biological Sciences, Columbia University, New York, NY, USA., Marin M; Department of Biomedical Informatics, Harvard Medical School, Boston, MA, USA., Zitnik M; Department of Biomedical Informatics, Harvard Medical School, Boston, MA, USA.; Kempner Institute for the Study of Natural and Artificial Intelligence, Harvard University, MA, USA.; Broad Institute of MIT and Harvard, Cambridge, MA, USA.; Harvard Data Science Initiative, Cambridge, MA, USA., Farhat M; Department of Biomedical Informatics, Harvard Medical School, Boston, MA, USA.; Division of Pulmonary and Critical Care, Department of Medicine, Massachusetts General Hospital, Boston, MA, USA.
Publikováno v:
BioRxiv : the preprint server for biology [bioRxiv] 2024 Feb 28. Date of Electronic Publication: 2024 Feb 28.