Generalized Neural-Network Representation of High-Dimensional Potential-Energy Surfaces

Artikeleigenschaften
Zitieren
Behler, Jörg, and Michele Parrinello. “Generalized Neural-Network Representation of High-Dimensional Potential-Energy Surfaces”. Physical Review Letters, vol. 98, no. 14, 2007, https://doi.org/10.1103/physrevlett.98.146401.
Behler, J., & Parrinello, M. (2007). Generalized Neural-Network Representation of High-Dimensional Potential-Energy Surfaces. Physical Review Letters, 98(14). https://doi.org/10.1103/physrevlett.98.146401
Behler J, Parrinello M. Generalized Neural-Network Representation of High-Dimensional Potential-Energy Surfaces. Physical Review Letters. 2007;98(14).
Journalkategorien
Science
Chemistry
Physical and theoretical chemistry
Science
Physics
Sie können auch mögen
Auffrischen
Login
Zitate
Login
Zitationsanalyse
Kategorie Kategorie Wiederholung
Science: Chemistry353
Science: Chemistry: Physical and theoretical chemistry324
Science: Physics: Atomic physics. Constitution and properties of matter308
Technology: Chemical technology33
Science: Physics31
Die erste Studie, die diesen Artikel zitiert hat, trug den Titel A neural-network potential through charge equilibration for WS2: From clusters to sheets und wurde in 2017. veröffentlicht. Die aktuellste Zitierung stammt aus einer 2024 Studie mit dem Titel A neural-network potential through charge equilibration for WS2: From clusters to sheets Seinen Höhepunkt an Zitierungen erreichte dieser Artikel in 2020 mit 77 Zitierungen.Es wurde in 39 verschiedenen Zeitschriften zitiert., 33% davon sind Open Access. Unter den verwandten Fachzeitschriften wurde diese Forschung am häufigsten von The Journal of Chemical Physics zitiert, mit 287 Zitierungen. Die folgende Grafik veranschaulicht die jährlichen Zitationstrends für diesen Artikel.
Zitate verwendeten diesen Artikel für Jahr