Kết quả tìm kiếm - Duan, Chenru

  • Đang hiển thị 1 - 7 kết quả của 7
Tinh chỉnh kết quả
  1. 1
    New Strategies for Direct Methane-to-Methanol Conversion from Active Learning Exploration of 16 Million Catalysts

    New Strategies for Direct Methane-to-Methanol Conversion from Active Learning Exploration of 16 Million Catalysts Bằng Nandy, Aditya, Duan, Chenru, Goffinet, Conrad, Kulik, Heather J.

    Được phát hành 2022
    lấy văn bản lấy văn bản lấy văn bản
    Text
    Lưu vào danh sách
    Đã lưu trong:
  2. 2
    Accurate Multiobjective Design in a Space of Millions of Transition Metal Complexes with Neural-Network-Driven Efficient Global Optimization

    Accurate Multiobjective Design in a Space of Millions of Transition Metal Complexes with Neural-Network-Driven Efficient Global Optimization Bằng Janet, Jon Paul, Ramesh, Sahasrajit, Duan, Chenru, Kulik, Heather J.

    Được phát hành 2020
    lấy văn bản lấy văn bản lấy văn bản
    Text
    Lưu vào danh sách
    Đã lưu trong:
  3. 3
    Detection of multi-reference character imbalances enables a transfer learning approach for virtual high throughput screening with coupled cluster accuracy at DFT cost

    Detection of multi-reference character imbalances enables a transfer learning approach for virtual high throughput screening with coupled cluster accuracy at DFT cost Bằng Duan, Chenru, Chu, Daniel B. K., Nandy, Aditya, Kulik, Heather J.

    Được phát hành 2022
    lấy văn bản lấy văn bản lấy văn bản
    Text
    Lưu vào danh sách
    Đã lưu trong:
  4. 4
    A quantitative uncertainty metric controls error in neural network-driven chemical discovery

    A quantitative uncertainty metric controls error in neural network-driven chemical discovery Bằng Janet, Jon Paul, Duan, Chenru, Yang, Tzuhsiung, Nandy, Aditya, Kulik, Heather J.

    Được phát hành 2019
    lấy văn bản lấy văn bản lấy văn bản
    Text
    Lưu vào danh sách
    Đã lưu trong:
  5. 5
    Machine learning to tame divergent density functional approximations: a new path to consensus materials design principles

    Machine learning to tame divergent density functional approximations: a new path to consensus materials design principles Bằng Duan, Chenru, Chen, Shuxin, Taylor, Michael G., Liu, Fang, Kulik, Heather J.

    Được phát hành 2021
    lấy văn bản lấy văn bản lấy văn bản
    Text
    Lưu vào danh sách
    Đã lưu trong:
  6. 6
    MOFSimplify, machine learning models with extracted stability data of three thousand metal–organic frameworks

    MOFSimplify, machine learning models with extracted stability data of three thousand metal–organic frameworks Bằng Nandy, Aditya, Terrones, Gianmarco, Arunachalam, Naveen, Duan, Chenru, Kastner, David W., Kulik, Heather J.

    Được phát hành 2022
    lấy văn bản lấy văn bản lấy văn bản
    Text
    Lưu vào danh sách
    Đã lưu trong:
  7. 7
    Seeing Is Believing: Experimental Spin States from Machine Learning Model Structure Predictions

    Seeing Is Believing: Experimental Spin States from Machine Learning Model Structure Predictions Bằng Taylor, Michael G., Yang, Tzuhsiung, Lin, Sean, Nandy, Aditya, Janet, Jon Paul, Duan, Chenru, Kulik, Heather J.

    Được phát hành 2020
    lấy văn bản lấy văn bản lấy văn bản
    Text
    Lưu vào danh sách
    Đã lưu trong:

Công cụ tìm kiếm: