European Spectroscopy Laboratory to model the materials of the future

Projektinformationen

EUSpecLab

ID Finanzhilfevereinbarung: 101073486

DOI

10.3030/101073486

EK-Unterschriftsdatum 13 Juli 2022

Startdatum 1 September 2022

Enddatum 28 Februar 2027

Finanziert unter

• Marie Skłodowska-Curie Actions (MSCA)

Gesamtkosten

Keine Daten

EU-Beitrag

€ 2 719 285,20

Koordiniert durch

CENTRE NATIONAL DE LA RECHERCHE SCIENTIFIQUE CNRS
France

CORDIS bietet Links zu öffentlichen Ergebnissen und Veröffentlichungen von HORIZONT-Projekten.

Links zu Ergebnissen und Veröffentlichungen von RP7-Projekten sowie Links zu einigen Typen spezifischer Ergebnisse wie Datensätzen und Software werden dynamisch von OpenAIRE abgerufen.

Leistungen

Websites, patent fillings, videos etc. (1)

Project website and project identity defined

Other (2)

Two-week school on spectroscopies, electronic correlation and excitations+ one-week school on soft skills organised by Centrum Dohody Prague
School on Machine Learning and Open data workshop

Veröffentlichungen

Peer reviewed articles (6)

Benchmarking the accuracy of the separable resolution of the identity approach for correlated methods in the numeric atom-centered orbitals framework

Autoren: Francisco A. Delesma; Moritz Leucke; Dorothea Golze; Patrick Rinke
Veröffentlicht in: The Journal of Chemical Physics, 2024
Herausgeber: CORNELL UNIVERSITY
DOI: 10.48550/ARXIV.2310.11058

Physical Review Letters

Autoren: Wolfgang S. M. Werner, Florian Simperl, Felix Blödorn, Julian Brunner, Johannes Kero, Alessandra Bellissimo, Olga Ridzel
Veröffentlicht in: Physical Review Letters, Ausgabe 132, 2025, ISSN 0031-9007
Herausgeber: American Physical Society
DOI: 10.1103/PHYSREVLETT.132.186203

Electron beams near surfaces: the concept of partial intensities for surface analysis and perspective on the low energy regime

Autoren: Wolfgang S. M. Werner
Veröffentlicht in: Frontiers in Materials, 2023
Herausgeber: FRONTIERS
DOI: 10.3389/FMATS.2023.1202456

Universal machine learning interatomic potentials are ready for phonons

Autoren: Antoine Loew; Dewen Sun; Hai-Chen Wang; Silvana Botti; Miguel A. L. Marques
Veröffentlicht in: npj Computational Materials, 2025
Herausgeber: CORNELL UNIVERSITY
DOI: 10.48550/ARXIV.2412.16551

Training machine learning interatomic potentials for accurate phonon properties

Autoren: Antoine Loew; Hai-Chen Wang; Tiago F T Cerqueira; Miguel A L Marques
Veröffentlicht in: Machine Learning: Science and Technology, 2024
Herausgeber: IOP SCIENCE
DOI: 10.1088/2632-2153/AD86A1

Transfer learning on large datasets for the accurate prediction of material properties

Autoren: Noah Hoffmann; Jonathan Schmidt; Silvana Botti; Miguel A. L. Marques
Veröffentlicht in: Digital Discovery, 2023
Herausgeber: RSC PUBLISHING
DOI: 10.5281/ZENODO.8143754