Machine learning for heterogeneous catalyst design and discovery

Goldsmith, Bryan R.; Esterhuizen, Jacques; Liu, Jin‐Xun; Bartel, Christopher J.; Sutton, Christopher A.

doi:10.1002/aic.16198

Datensatz

DATENSATZ AKTIONENEXPORT

Zur Ablage hinzufügen

Bitte beachten Sie, dass eine neuere Version dieses Datensatzes verfügbar ist:
https://pure.mpg.de/pubman/item/item_2599635_8

DetailsÜbersicht

Freigegeben

Zeitschriftenartikel

Machine learning for heterogeneous catalyst design and discovery

MPG-Autoren

/persons/resource/persons183305

Sutton, Christopher A.
Theory, Fritz Haber Institute, Max Planck Society;

Externe Ressourcen

Es sind keine externen Ressourcen hinterlegt

Volltexte (beschränkter Zugriff)

Für Ihren IP-Bereich sind aktuell keine Volltexte freigegeben.

Volltexte (frei zugänglich)

Machine Learning for Catalysis Perspective - AIChE Journal - Clean.pdf
(beliebiger Volltext), 881KB

Ergänzendes Material (frei zugänglich)

Es sind keine frei zugänglichen Ergänzenden Materialien verfügbar

Zitation

Goldsmith, B. R., Esterhuizen, J., Liu, J., Bartel, C. J., & Sutton, C. A. (2018). Machine learning for heterogeneous catalyst design and discovery. AIChE-Journal, 64(7), 2311-2323. doi:10.1002/aic.16198.

Zitierlink: https://hdl.handle.net/21.11116/0000-0001-81A0-7

Zusammenfassung

Es ist keine Zusammenfassung verfügbar