Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

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

Identifikátory výsledku

  • 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>

Alternativní jazyky

  • 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.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

    IN - Informatika

  • OECD FORD obor

Návaznosti výsledku

  • 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

Ostatní

  • Rok uplatnění

    2013

  • Kód důvěrnosti údajů

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

Údaje specifické pro druh výsledku

  • 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