| 标题 |
 Efficient training of ANN potentials by including atomic forces via Taylor expansion and application to water and a transition-metal oxide 通过泰勒展开包括原子力的人工神经网络势的有效训练及其对水和过渡金属氧化物的应用
相关领域
外推法
力场（虚构）
计算机科学
中心力
人工神经网络
原子间势
水模型
势能
集合（抽象数据类型）
缩放比例
可转让性
统计物理学
分子动力学
化学
计算化学
人工智能
物理
机器学习
数学
原子物理学
经典力学
数学分析
几何学
罗伊特
程序设计语言
|
| 网址 | |
| DOI | |
| 其它 |
期刊：npj Computational Materials 作者：April M. Cooper; Johannes Kästner; Alexander Urban; Nongnuch Artrith 出版日期：2020-05-13 |
| 求助人 | |
| 下载 | 求助已完成，仅限求助人下载。 |
|
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。
|
不配.
劲秉
彭于彦祖
VDC
一一
柳叶刀小猪
杳鸢
paparazzi221
乐乐乐乐乐乐
坚强的广山
tuanheqi
HCLonely
Singularity
嗯哼
一只饺子
个性的紫菜
美好乐松
寻道图强
iNk
宜醉宜游宜睡
皖公网安备34019202002308
