Retour
  1. Accueil
  3. Référence détaillée
Télécharger
Autre (Périodiques scientifiques)
Reply to Comment on Fast and Accurate Modeling of Molecular Atomization Energies with Machine Learning
Rupp, M.; TKATCHENKO, Alexandre; Müller, K.-R. et al.
2012 • In Physical Review Letters, 109 (5)
Peer reviewed
Permalien
https://hdl.handle.net/10993/25669
DOI
10.1103/PhysRevLett.109.059802
 

Documents (1)Envoyer versDétailsStatistiquesBibliographiePublications similaires

Documents

Texte intégral
Reply to comment on fast and accurate modeling of molecular atomization energies with machine learning.pdf
Postprint Éditeur (124.97 kB)
Télécharger

Tous les documents dans ORBilu sont protégés par une licence d'utilisation.

Envoyer vers


Détails


Résumé :
[en] [No abstract available]
Disciplines :
Physique
Identifiants :
eid=2-s2.0-84864599915
Auteur, co-auteur :
Rupp, M.;  Institute of Pharmaceutical Sciences, ETH Zurich, 8093 Zürich, Switzerland
TKATCHENKO, Alexandre ;  Fritz-Haber-Institut der Max-Planck-Gesellschaft 14195 Berlin, Germany
Müller, K.-R.;  Machine Learning Group, Technical University of Berlin, Franklinstr 28/29, 10587 Berlin, Germany, Department of Brain and Cognitive Engineering, Korea University, Anam-dong, Seongbuk-gu, Seoul 136-713, South Korea
Von Lilienfeld, O. A.;  Argonne Leadership Computing Facility, Argonne National Laboratory, Argonne, IL 60439, United States
Co-auteurs externes :
yes
Titre :
Reply to Comment on Fast and Accurate Modeling of Molecular Atomization Energies with Machine Learning
Date de publication/diffusion :
2012
Titre du périodique :
Physical Review Letters
ISSN :
0031-9007
Volume/Tome :
109
Fascicule/Saison :
5
Peer reviewed :
Peer reviewed
Disponible sur ORBilu :
depuis le 15 mars 2016

Statistiques

Nombre de vues
213 (dont 2 Unilu)
Nombre de téléchargements
73 (dont 0 Unilu)
Voir plus de statistiques
citations Scopus®
 
14
citations Scopus®
sans auto-citations
6
citations OpenAlex
 
21
citations WoS™
 
18

Bibliographie

Publications similaires


Contacter ORBilu