Atomic scale simulations for liquid metals and alloys: Machine learning potentials and feature selection

Sandberg, Johannes Erik (2024) Atomic scale simulations for liquid metals and alloys: Machine learning potentials and feature selection. Dissertation, University of Grenoble.

Dieses Archiv kann nicht den Volltext zur Verfügung stellen.

elib-URL des Eintrags:

https://elib.dlr.de/214726/

Dokumentart:

Hochschulschrift (Dissertation)

Titel:

Atomic scale simulations for liquid metals and alloys: Machine learning potentials and feature selection

Autoren:

Autoren	Institution oder E-Mail-Adresse	Autoren-ORCID-iD	ORCID Put Code
Sandberg, Johannes Erik	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT

DLR-Supervisor:

Beitragsart	DLR-Supervisor	Institution oder E-Mail-Adresse	DLR-Supervisor-ORCID-iD
Thesis advisor	Voigtmann, Thomas	Thomas.Voigtmann (at) dlr.de	NICHT SPEZIFIZIERT

Datum:

Dezember 2024

Open Access:

Nein

Seitenanzahl:

140

Status:

veröffentlicht

Stichwörter:

machine learning, computer simulation, metallic alloys

Institution:

University of Grenoble

Abteilung:

School of Physics

HGF - Forschungsbereich:

Luftfahrt, Raumfahrt und Verkehr

HGF - Programm:

Raumfahrt

HGF - Programmthema:

Forschung unter Weltraumbedingungen

DLR - Schwerpunkt:

Raumfahrt

DLR - Forschungsgebiet:

R FR - Forschung unter Weltraumbedingungen

DLR - Teilgebiet (Projekt, Vorhaben):

R - Materialdesign und neue Materialien

Standort:

Köln-Porz

Institute & Einrichtungen:

Institut für Materialphysik im Weltraum

Hinterlegt von:

Voigtmann, Dr.rer.nat. Thomas

Hinterlegt am:

25 Jun 2025 09:41

Letzte Änderung:

07 Jul 2025 08:59

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags