-
1
Learning scheme to predict atomic forces and accelerate materials simulations
Veröffentlicht in Physical review. B
VolltextArtikel -
2
Machine Learning Force Fields: Construction, Validation, and Outlook
Veröffentlicht in Journal of physical chemistry. C
VolltextArtikel -
3
Physically informed artificial neural networks for atomistic modeling of materials
Veröffentlicht in Nature communications
VolltextArtikel -
4
Machine learning bandgaps of double perovskites
Veröffentlicht in Scientific reports
VolltextArtikel -
5
-
6
Conductivity prediction model for ionic liquids using machine learning
Veröffentlicht in The Journal of chemical physics
VolltextArtikel -
7
The intrinsic electrical breakdown strength of insulators from first principles
Veröffentlicht in Applied physics letters
VolltextArtikel -
8
-
9
Computational strategies for polymer dielectrics design
Veröffentlicht in Polymer (Guilford)
VolltextArtikel -
10
First principles study of oxygen vacancy defects in tantalum pentoxide
Veröffentlicht in Journal of applied physics
VolltextArtikel -
11
-
12
The rational design of polyurea & polyurethane dielectric materials
Veröffentlicht in Polymer (Guilford)
VolltextArtikel -
13
-
14
Recent progress in ab initio simulations of hafnia-based gate stacks
Veröffentlicht in Journal of materials science
VolltextArtikel -
15
-
16
-
17
The equilibrium morphology of WC particles – A combined ab initio and experimental study
Veröffentlicht in Acta materialia
VolltextArtikel -
18
Dielectric permittivity of ultrathin PbTiO3 nanowires from first principles
Veröffentlicht in Journal of materials science
VolltextArtikel -
19
Core/Shell CdSe/CdTe Heterostructure Nanowires Under Axial Strain
Veröffentlicht in Journal of physical chemistry. C
VolltextArtikel -
20