European Spectroscopy Laboratory to model the materials of the future

Informazioni relative al progetto

EUSpecLab

ID dell’accordo di sovvenzione: 101073486

DOI

10.3030/101073486

Data della firma CE 13 Luglio 2022

Data di avvio 1 Settembre 2022

Data di completamento 28 Febbraio 2027

Finanziato da

• Marie Skłodowska-Curie Actions (MSCA)

Costo totale

Nessun dato

Contributo UE

€ 2 719 285,20

Coordinato da

CENTRE NATIONAL DE LA RECHERCHE SCIENTIFIQUE CNRS
France

CORDIS fornisce collegamenti ai risultati finali pubblici e alle pubblicazioni dei progetti ORIZZONTE.

I link ai risultati e alle pubblicazioni dei progetti del 7° PQ, così come i link ad alcuni tipi di risultati specifici come dataset e software, sono recuperati dinamicamente da .OpenAIRE .

Risultati finali

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

Pubblicazioni

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

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

Physical Review Letters

Autori: Wolfgang S. M. Werner, Florian Simperl, Felix Blödorn, Julian Brunner, Johannes Kero, Alessandra Bellissimo, Olga Ridzel
Pubblicato in: Physical Review Letters, Numero 132, 2025, ISSN 0031-9007
Editore: 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

Autori: Wolfgang S. M. Werner
Pubblicato in: Frontiers in Materials, 2023
Editore: FRONTIERS
DOI: 10.3389/FMATS.2023.1202456

Universal machine learning interatomic potentials are ready for phonons

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

Training machine learning interatomic potentials for accurate phonon properties

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

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

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