EUVIMEDEUVIMED entdecken
ÜbersichtsarbeitOpen Access · CC BY-NC-ND 4.0

Open-Source Machine Learning in Computational Chemistry

Alexander Hagg iD, Karl N Kirschner iD

Journal of Chemical Information and Modeling · 14.08.2023 · 63 (15) · 4505-4532

DOI: 10.1021/acs.jcim.3c00643 ↗

Kurz gefasst

Übersichtsarbeit in der Zeitschrift Journal of Chemical Information and Modeling, online erschienen am 19.07.2023. Verfasst von Alexander Hagg und 1 weiteren Autor:innen. Beteiligte Einrichtung: Institute of Technology, Resource and Energy-Efficient Engineering (TREE), University of Applied Sciences Bonn-Rhein-Sieg, 53757 Sankt Augustin, Germ…. Hauptthemen laut MEDLINE: Computational Chemistry, Software. Die Arbeit wurde bisher 59-mal zitiert (Crossref) und nennt 383 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY-NC-ND 4.0).

AbstractSchlagwörterBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Kein Abstract verfügbar.

Schlagwörter

MeSH-Schlagwörter (MEDLINE)

Computational ChemistrySoftwareAlgorithmsMachine Learning

Autor:innen und Institutionen

  • Institute of Technology, Resource and Energy-Efficient Engineering (TREE), University of Applied Sciences Bonn-Rhein-Sieg, 53757 Sankt Augustin, Germany.
  • Department of Electrical Engineering, Mechanical Engineering and Technical Journalism, University of Applied Sciences Bonn-Rhein-Sieg, 53757 Sankt Augustin, Germany.
  • Department of Computer Science, University of Applied Sciences Bonn-Rhein-Sieg, 53757 Sankt Augustin, Germany.

ORCID-Profile: Alexander Hagg, Karl N Kirschner

Zitieren

APA

Hagg, A., & Kirschner, K. N. (2023). Open-Source Machine Learning in Computational Chemistry. Journal of Chemical Information and Modeling, 63(15), 4505-4532. https://doi.org/10.1021/acs.jcim.3c00643

Vancouver

Hagg A, Kirschner KN. Open-Source Machine Learning in Computational Chemistry. Journal of Chemical Information and Modeling. 2023;63(15):4505-4532. doi:10.1021/acs.jcim.3c00643

BibTeX
@article{Hagg2023,
  author = {Hagg, Alexander and Kirschner, Karl N},
  title = {Open-Source Machine Learning in Computational Chemistry},
  journal = {Journal of Chemical Information and Modeling},
  year = {2023},
  volume = {63},
  number = {15},
  pages = {4505--4532},
  doi = {10.1021/acs.jcim.3c00643}
}
Kostenlos starten →