首页> 外文OA文献 >Molecular force fields with gradient-domain machine learning: Construction and application to dynamics of small molecules with coupled cluster forces

【2h】

Molecular force fields with gradient-domain machine learning: Construction and application to dynamics of small molecules with coupled cluster forces

机译：具有梯度域机的分子力场学习：构建和应用于耦合集群力的小分子动态

代理获取

本网站仅为用户提供外文OA文献查询和代理获取服务，本网站没有原文。下单后我们将采用程序或人工为您竭诚获取高质量的原文，但由于OA文献来源多样且变更频繁，仍可能出现获取不到、文献不完整或与标题不符等情况，如果获取不到我们将提供退款服务。请知悉。

页面导航

著录项
引文网络
相似文献
相关主题

著录项

作者
Huziel E. Sauceda; Stefan Chmiela; Igor Poltavsky; Klaus-Robert Müller; Alexandre Tkatchenko;
展开▼
作者单位

展开▼
年度 2019
总页数
原文格式 PDF
正文语种
中图分类

相似文献

外文文献
中文文献
专利

1. Molecular force fields with gradient-domain machine learning: Construction and application to dynamics of small molecules with coupled cluster forces [J] . Sauceda Huziel E., Chmiela Stefan, Poltavsky Igor, The Journal of Chemical Physics . 2019,第11期

机译：具有梯度域机的分子力场学习：构建和应用于耦合集群力的小分子动态
2. APS -APS March Meeting 2017 - Event - Machine Learning of Quantum Forces: building accurate force fields for molecular dynamics simulation via ``covariant'' kernels. [J] . Aldo Glielmo, Peter Sollich, Alessandro De Vita Bulletin of the American Physical Society . 2017,第4期

机译：APS -APS 2017年3月会议-活动-量子力的机器学习：通过``协变''内核为分子动力学模拟建立准确的力场。
3. Machine Learning Force Fields and Coarse-Grained Variables in Molecular Dynamics: Application to Materials and Biological Systems [J] . Gkeka Paraskevi, Stoltz Gabriel, Farimani Amir Barati, Journal of chemical theory and computation: JCTC . 2020,第8期

机译：分子动力学中的机器学习力场和粗粒变量：材料和生物系统的应用
4. Computer simulation of the schistostatin-10 molecule using the molecular dynamics method in various force fields [C] . Godjayev N.M., Qasimov B.M. 7th International Conference on Application of Information and Communication Technologies . 2013

机译：使用分子动力学方法在各种力场中对schistostatin-10分子进行计算机模拟
5. A field construction technique to efficiently model the dynamic vector forces within induction machines. [D] . Wu, Dezheng. 2008

机译：一种现场构造技术，可有效地对感应电机内的动态矢量力建模。
6. Machine Learning of Coarse-Grained Molecular DynamicsForce Fields [O] . Jiang Wang, Simon Olsson, Christoph Wehmeyer, 2019

机译：粗粒分子动力学的机器学习力场
7. Molecular force fields with gradient-domain machine learning (GDML): Comparison and synergies with classical force fields [O] . Huziel E. Sauceda, Michael Gastegger, Stefan Chmiela, 2020

机译：具有梯度域机学习（GDML）的分子力场：与古典力领域的比较和协同作用
8. Application of Free-Molecule Flow Theory to Determine Aerodynamic Forces on Cones [R] . Saha, H. 1968

机译：自由分子流动理论在确定锥体气动力方面的应用

Molecular force fields with gradient-domain machine learning: Construction and application to dynamics of small molecules with coupled cluster forces

著录项

引文网络

相似文献

相关主题

期刊订阅