Machine Learning for Catalytic Carbon Dioxide Activation

Informacje na temat projektu

MachineCat

Identyfikator umowy o grant: 792572

DOI

10.3030/792572

Projekt został zamknięty

Data podpisania przez KE 4 Kwietnia 2018

Data rozpoczęcia 1 Czerwca 2018

Data zakończenia 31 Maja 2020

Finansowanie w ramach

• EXCELLENT SCIENCE - Marie Skłodowska-Curie Actions

Koszt całkowity

€ 159 460,80

Wkład UE

€ 159 460,80

Koordynowany przez

TECHNISCHE UNIVERSITAT BERLIN
Germany

CORDIS oferuje możliwość skorzystania z odnośników do publicznie dostępnych publikacji i rezultatów projektów realizowanych w ramach programów ramowych HORYZONT.

Odnośniki do rezultatów i publikacji związanych z poszczególnymi projektami 7PR, a także odnośniki do niektórych konkretnych kategorii wyników, takich jak zbiory danych i oprogramowanie, są dynamicznie pobierane z systemu OpenAIRE .

Publikacje

Conference proceedings (1)

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

Autorzy: Gebauer, Niklas W. A.; Gastegger, Michael; Schütt, Kristof T.
Opublikowane w: Advances in Neural Information Processing Systems, Numer 32, 2019, Strona(/y) 7566-7578
Wydawca: Curran Associates, Inc.

Peer reviewed articles (4)

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

Autorzy: K. T. Schütt, M. Gastegger, A. Tkatchenko, K.-R. Müller, R. J. Maurer
Opublikowane w: Nature Communications, Numer 10/1, 2019, Strona(/y) 5024, ISSN 2041-1723
Wydawca: Nature Publishing Group
DOI: 10.1038/s41467-019-12875-2

Machine learning enables long time scale molecular photodynamics simulations

Autorzy: Julia Westermayr, Michael Gastegger, Maximilian F. S. J. Menger, Sebastian Mai, Leticia González, Philipp Marquetand
Opublikowane w: Chemical Science, Numer 10/35, 2019, Strona(/y) 8100-8107, ISSN 2041-6520
Wydawca: Royal Society of Chemistry
DOI: 10.1039/c9sc01742a

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

Autorzy: Julia Westermayr, Michael Gastegger, Philipp Marquetand
Opublikowane w: The Journal of Physical Chemistry Letters, Numer 11/10, 2020, Strona(/y) 3828-3834, ISSN 1948-7185
Wydawca: American Chemical Society
DOI: 10.1021/acs.jpclett.0c00527

SchNetPack: A Deep Learning Toolbox For Atomistic Systems

Autorzy: K. T. Schütt, P. Kessel, M. Gastegger, K. A. Nicoli, A. Tkatchenko, K.-R. Müller
Opublikowane w: Journal of Chemical Theory and Computation, Numer 15/1, 2018, Strona(/y) 448-455, ISSN 1549-9618
Wydawca: American Chemical Society
DOI: 10.1021/acs.jctc.8b00908

Book chapters (2)

Molecular Dynamics with Neural Network Potentials

Autorzy: Michael Gastegger, Philipp Marquetand
Opublikowane w: Machine Learning Meets Quantum Physics, Numer 968, 2020, Strona(/y) 233-252, ISBN 978-3-030-40244-0
Wydawca: Springer International Publishing
DOI: 10.1007/978-3-030-40245-7_12

Quantum-Chemical Insights from Interpretable Atomistic Neural Networks

Autorzy: Kristof T. Schütt, Michael Gastegger, Alexandre Tkatchenko, Klaus-Robert Müller
Opublikowane w: Explainable AI: Interpreting, Explaining and Visualizing Deep Learning, Numer 11700, 2019, Strona(/y) 311-330, ISBN 978-3-030-28954-6
Wydawca: Springer International Publishing
DOI: 10.1007/978-3-030-28954-6_17