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
—