guest ::
Graph neural networks for surfactant multi-property prediction
; ; ; ; ;
In
Colloids and surfaces / A 594, Seiten/Artikel-Nr.:134133
2024
Online
DOI: 10.1016/j.colsurfa.2024.134133
DOI: 10.18154/RWTH-2024-04735
URL: https://publications.rwth-aachen.de/record/985681/files/985681.pdf
Einrichtungen
- Lehrstuhl für Systemverfahrenstechnik (416710)
- JARA-CSD (Center for Simulation and Data Science) (080031)
Projekte
- OAPKF - Open-Access-Publikation mit Unterstützung der RWTH Aachen University (021000-OAPKF) (021000-OAPKF)
- HDS LEE - Helmholtz School for Data Science in Life, Earth and Energy (HDS LEE) (HDS-LEE-20190612) (HDS-LEE-20190612)
- Doktorandenprogramm (PHD-PROGRAM-20170404) (PHD-PROGRAM-20170404)
- DFG project 466417970 - Graph-Basiertes Generatives Maschinelles Learnen für optimale Moleküle (466417970) (466417970)
- DFG project 441958259 - SPP 2331: Maschinelles Lernen in der Verfahrenstechnik. Wissen trifft auf Daten: Interpretierbarkeit, Extrapolation, Verlässlichkeit, Vertrauen (441958259) (441958259)
Thematische Einordnung (Klassifikation)
DDC: 540
OpenAccess: 
PDF
Dokumenttyp
Journal Article
Format
online, print
Sprache
English
Anmerkung
Peer reviewed article
Externe Identnummern
SCOPUS: SCOPUS:2-s2.0-85192217500
WOS Core Collection: WOS:001239195400001
Interne Identnummern
RWTH-2024-04735
Datensatz-ID: 985681
Beteiligte Länder
Germany
; 
; 
; Clarivate Analytics Master Journal List ; Current Contents - Physical, Chemical and Earth Sciences ; Ebsco Academic Search ; Essential Science Indicators ; IF >= 5 ; JCR ; SCOPUS ; Science Citation Index Expanded ; Web of Science Core Collection
Record created 2024-05-06, last modified 2025-09-04
OpenAccess:
PDF
PDF