机译:使用集合表示的化合物空间中的自由能量的机器学习:达到求解的实验性不确定性
Univ Vienna Fac Phys Kolingasse 14-16 AT-1090 Vienna Austria;
Univ Basel Inst Phys Chem Klingelbergstr 80 CH-4056 Basel Switzerland;
Univ Vienna Fac Phys Kolingasse 14-16 AT-1090 Vienna Austria;
机译:通过机器学习算法的集合显着改善了分子雾化能量的预测,并释放输入空间:堆叠的概括方法
机译:通过机器学习对化学空间的控制探讨粗粒表示
机译:将分子动力学和机器学习结合起来预测自我溶解的能量和限制活性系数
机译:通过突出的州空间上的加固学习解决延长可达性目标的问题
机译:从蛋白质结构预测化学位移的整体机器学习方法。
机译:贝叶斯模型平均对基于集合的溶剂化自由能的估计
机译:通过机器学习对化学空间的控制探索
机译:知识表示,机器学习和知识获取研究。最终报告,1983年10月1日至1987年1月31日。