Towards the modeling of atomic and molecular clusters energy by support vector regression

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989100%3A27740%2F13%3A86088020" target="_blank" >RIV/61989100:27740/13:86088020 - isvavai.cz</a>

Nalezeny alternativní kódy

RIV/61989100:27240/13:86088020

Výsledek na webu

<a href="http://dx.doi.org/10.1109/INCoS.2013.26" target="_blank" >http://dx.doi.org/10.1109/INCoS.2013.26</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1109/INCoS.2013.26" target="_blank" >10.1109/INCoS.2013.26</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Towards the modeling of atomic and molecular clusters energy by support vector regression

Popis výsledku v původním jazyce

Simulations of molecular dynamics play an important role in computational chemistry and physics. Such simulations require accurate information about the state and properties of interacting systems. The computation of water cluster potential energy surface is a complex and computationally expensive operation. Therefore, machine learning methods such as Artificial Neural Networks have been recently employed to machine-learn and further approximate clusters potential energy surfaces. This works presents the application of another highly successful machine learning method, the Support Vector Regression, for the modeling and approximation of the potential energy of water clusters as representatives of more general molecular clusters.

Název v anglickém jazyce

Towards the modeling of atomic and molecular clusters energy by support vector regression

Popis výsledku anglicky

Simulations of molecular dynamics play an important role in computational chemistry and physics. Such simulations require accurate information about the state and properties of interacting systems. The computation of water cluster potential energy surface is a complex and computationally expensive operation. Therefore, machine learning methods such as Artificial Neural Networks have been recently employed to machine-learn and further approximate clusters potential energy surfaces. This works presents the application of another highly successful machine learning method, the Support Vector Regression, for the modeling and approximation of the potential energy of water clusters as representatives of more general molecular clusters.

Druh

D - Stať ve sborníku

CEP obor

IN - Informatika

OECD FORD obor

—

Projekt

Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2013

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Proceedings - 5th International Conference on Intelligent Networking and Collaborative Systems, INCoS 2013

ISBN

978-0-7695-4988-0

ISSN

—

e-ISSN

—

Počet stran výsledku

6

Strana od-do

121-126

Název nakladatele

IEEE

Místo vydání

Danvers

Místo konání akce

Xi'an

Datum konání akce

9. 9. 2013

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—