h1

h2

h3

h4

h5
h6
http://join2-wiki.gsi.de/foswiki/pub/Main/Artwork/join2_logo100x88.png

Predicting grain boundary segregation in magnesium alloys: An atomistically informed machine learning approach

; ; ; ; ;

In
Journal of magnesium and alloys 13(6), Seiten/Artikel-Nr.:2636-2650

ImpressumAmsterdam [u.a.] : Elsevier

ISSN2213-9567

Online
DOI: 10.1016/j.jma.2025.03.021

DOI: 10.18154/RWTH-2025-06592
URL: https://publications.rwth-aachen.de/record/1015861/files/1015861.pdf

Einrichtungen

  1. Lehrstuhl für Werkstoffphysik und Institut für Metallkunde und Materialphysik (523110)
  2. Fachgruppe Materialwissenschaft und Werkstofftechnik (520000)
  3. Fakultät für Georessourcen und Materialtechnik (500000)


Thematische Einordnung (Klassifikation)
DDC: 540

OpenAccess:
Download fulltext PDF

Dokumenttyp
Journal Article

Format
online

Sprache
English

Anmerkung
Peer reviewed article

Externe Identnummern
SCOPUS: SCOPUS:2-s2.0-105003689170
WOS Core Collection: WOS:001533943400001

Interne Identnummern
RWTH-2025-06592
Datensatz-ID: 1015861

Beteiligte Länder
France, Germany

Lizenzstatus der Zeitschrift

 GO

Creative Commons Attribution-NonCommercial-NoDerivs CC BY-NC-ND 4.0 ; DOAJ ; OpenAccess ; Article Processing Charges ; Clarivate Analytics Master Journal List ; Current Contents - Engineering, Computing and Technology ; DOAJ Seal ; Essential Science Indicators ; Fees ; IF >= 15 ; JCR ; SCOPUS ; Science Citation Index Expanded ; Web of Science Core Collection
QR Code for this record

The record appears in these collections:
Document types > Articles > Journal Articles
Faculty of Georesources and Materials Engineering (Fac.5) > Division of Materials Science and Engineering
Publication server / Open Access
Public records
Publications database
500000
520000
523110
 Record created 2025-08-04, last modified 2025-09-29
Similar records


OpenAccess:
Download fulltext PDF
Rate this document:

Rate this document:
1
2
3
4
5
 
(Not yet reviewed)