Machine Learning for Catalytic Carbon Dioxide Activation

Informations projet

MachineCat

N° de convention de subvention: 792572

DOI 10.3030/792572

Projet clôturé

Date de signature de la CE 4 Avril 2018

Date de début 1 Juin 2018

Date de fin 31 Mai 2020

Financé au titre de

• EXCELLENT SCIENCE - Marie Skłodowska-Curie Actions

Coût total € 159 460,80

Contribution de l’UE € 159 460,80

Coordonné par

TECHNISCHE UNIVERSITAT BERLIN
Allemagne

CORDIS fournit des liens vers les livrables publics et les publications des projets HORIZON.

Les liens vers les livrables et les publications des projets du 7e PC, ainsi que les liens vers certains types de résultats spécifiques tels que les jeux de données et les logiciels, sont récupérés dynamiquement sur OpenAIRE .

Publications

Actes de conférence (1)

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

Auteurs: Gebauer, Niklas W. A.; Gastegger, Michael; Schütt, Kristof T.
Publié dans: Advances in Neural Information Processing Systems, Numéro 32, 2019, Page(s) 7566-7578
Éditeur: Curran Associates, Inc.

Articles approuvés par les pairs (4)

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

Auteurs: K. T. Schütt, M. Gastegger, A. Tkatchenko, K.-R. Müller, R. J. Maurer
Publié dans: Nature Communications, Numéro 10/1, 2019, Page(s) 5024, ISSN 2041-1723
Éditeur: Nature Publishing Group
DOI: 10.1038/s41467-019-12875-2

Machine learning enables long time scale molecular photodynamics simulations

Auteurs: Julia Westermayr, Michael Gastegger, Maximilian F. S. J. Menger, Sebastian Mai, Leticia González, Philipp Marquetand
Publié dans: Chemical Science, Numéro 10/35, 2019, Page(s) 8100-8107, ISSN 2041-6520
Éditeur: Royal Society of Chemistry
DOI: 10.1039/c9sc01742a

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

Auteurs: Julia Westermayr, Michael Gastegger, Philipp Marquetand
Publié dans: The Journal of Physical Chemistry Letters, Numéro 11/10, 2020, Page(s) 3828-3834, ISSN 1948-7185
Éditeur: American Chemical Society
DOI: 10.1021/acs.jpclett.0c00527

SchNetPack: A Deep Learning Toolbox For Atomistic Systems

Auteurs: K. T. Schütt, P. Kessel, M. Gastegger, K. A. Nicoli, A. Tkatchenko, K.-R. Müller
Publié dans: Journal of Chemical Theory and Computation, Numéro 15/1, 2018, Page(s) 448-455, ISSN 1549-9618
Éditeur: American Chemical Society
DOI: 10.1021/acs.jctc.8b00908

Chapitres d’ouvrage (2)

Molecular Dynamics with Neural Network Potentials

Auteurs: Michael Gastegger, Philipp Marquetand
Publié dans: Machine Learning Meets Quantum Physics, Numéro 968, 2020, Page(s) 233-252, ISBN 978-3-030-40244-0
Éditeur: Springer International Publishing
DOI: 10.1007/978-3-030-40245-7_12

Quantum-Chemical Insights from Interpretable Atomistic Neural Networks

Auteurs: Kristof T. Schütt, Michael Gastegger, Alexandre Tkatchenko, Klaus-Robert Müller
Publié dans: Explainable AI: Interpreting, Explaining and Visualizing Deep Learning, Numéro 11700, 2019, Page(s) 311-330, ISBN 978-3-030-28954-6
Éditeur: Springer International Publishing
DOI: 10.1007/978-3-030-28954-6_17