标题 |
Machine Learned Hückel Theory: Interfacing Physics and Deep Neural Networks
机器学习Hückel理论:物理学和深度神经网络的接口
相关领域
人工神经网络
可解释性
接口
参数化复杂度
简单(哲学)
统计物理学
哈密顿量(控制论)
计算机科学
深度学习
物理
人工智能
理论物理学
算法
数学
计算机硬件
数学优化
哲学
认识论
|
网址 | |
DOI | |
其它 |
期刊:arXiv (Cornell University) 作者:Tetiana Zubatyuk; Benjamin Nebgen; Nicholas Lubbers; Justin S. Smith; R.I. Zubatyuk; et al 出版日期:2019-01-01 |
求助人 | |
下载 | 该求助完结已超 24 小时,文件已从服务器自动删除,无法下载。 |
温馨提示:该文献已被科研通 学术中心 收录,前往查看
科研通『学术中心』是文献索引库,收集文献的基本信息(如标题、摘要、期刊、作者、被引量等),不提供下载功能。如需下载文献全文,请通过文献求助获取。
|