Machine Learning for Catalytic Carbon Dioxide Activation

Projektinformationen

MachineCat

ID Finanzhilfevereinbarung: 792572

DOI

10.3030/792572

Projekt abgeschlossen

EK-Unterschriftsdatum 4 April 2018

Startdatum 1 Juni 2018

Enddatum 31 Mai 2020

Finanziert unter

• EXCELLENT SCIENCE - Marie Skłodowska-Curie Actions

Gesamtkosten

€ 159 460,80

EU-Beitrag

€ 159 460,80

Koordiniert durch

TECHNISCHE UNIVERSITAT BERLIN
Germany

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.

Veröffentlichungen

Conference proceedings (1)

Symmetry-adapted generation of 3d point sets for the targeted discovery of molecules

Autoren: Gebauer, Niklas W. A.; Gastegger, Michael; Schütt, Kristof T.
Veröffentlicht in: Advances in Neural Information Processing Systems, Ausgabe 32, 2019, Seite(n) 7566-7578
Herausgeber: Curran Associates, Inc.

Peer reviewed articles (4)

Unifying machine learning and quantum chemistry with a deep neural network for molecular wavefunctions

Autoren: K. T. Schütt, M. Gastegger, A. Tkatchenko, K.-R. Müller, R. J. Maurer
Veröffentlicht in: Nature Communications, Ausgabe 10/1, 2019, Seite(n) 5024, ISSN 2041-1723
Herausgeber: Nature Publishing Group
DOI: 10.1038/s41467-019-12875-2

Machine learning enables long time scale molecular photodynamics simulations

Autoren: Julia Westermayr, Michael Gastegger, Maximilian F. S. J. Menger, Sebastian Mai, Leticia González, Philipp Marquetand
Veröffentlicht in: Chemical Science, Ausgabe 10/35, 2019, Seite(n) 8100-8107, ISSN 2041-6520
Herausgeber: Royal Society of Chemistry
DOI: 10.1039/c9sc01742a

Combining SchNet and SHARC: The SchNarc Machine Learning Approach for Excited-State Dynamics

Autoren: Julia Westermayr, Michael Gastegger, Philipp Marquetand
Veröffentlicht in: The Journal of Physical Chemistry Letters, Ausgabe 11/10, 2020, Seite(n) 3828-3834, ISSN 1948-7185
Herausgeber: American Chemical Society
DOI: 10.1021/acs.jpclett.0c00527

SchNetPack: A Deep Learning Toolbox For Atomistic Systems

Autoren: K. T. Schütt, P. Kessel, M. Gastegger, K. A. Nicoli, A. Tkatchenko, K.-R. Müller
Veröffentlicht in: Journal of Chemical Theory and Computation, Ausgabe 15/1, 2018, Seite(n) 448-455, ISSN 1549-9618
Herausgeber: American Chemical Society
DOI: 10.1021/acs.jctc.8b00908

Book chapters (2)

Molecular Dynamics with Neural Network Potentials

Autoren: Michael Gastegger, Philipp Marquetand
Veröffentlicht in: Machine Learning Meets Quantum Physics, Ausgabe 968, 2020, Seite(n) 233-252, ISBN 978-3-030-40244-0
Herausgeber: Springer International Publishing
DOI: 10.1007/978-3-030-40245-7_12

Quantum-Chemical Insights from Interpretable Atomistic Neural Networks

Autoren: Kristof T. Schütt, Michael Gastegger, Alexandre Tkatchenko, Klaus-Robert Müller
Veröffentlicht in: Explainable AI: Interpreting, Explaining and Visualizing Deep Learning, Ausgabe 11700, 2019, Seite(n) 311-330, ISBN 978-3-030-28954-6
Herausgeber: Springer International Publishing
DOI: 10.1007/978-3-030-28954-6_17