Gábor Csányi

L'apprentissage automatique transforme l'étude des métaux, améliorant les prévisions de défauts et de propriétés.

Combiner des données structurelles et dynamiques révèle des infos sur le comportement des molécules.

Un outil pour modéliser efficacement les interactions atomiques en science des matériaux.

Les chercheurs utilisent l'apprentissage automatique pour prédire de nouveaux matériaux pour des applications avancées.

Une nouvelle méthode améliore la précision dans le calcul des enthalpies de sublimation pour les cristaux moléculaires.

Une étude révèle un partage de données efficace dans les modèles d'apprentissage machine pour la technologie des batteries.

Découvrez comment les structures de carbone désordonnées influencent le transfert de chaleur et la technologie.