Transfer-Learning Deep Raman Models Using Semiempirical Quantum Chemistry
Journal of Chemical Information and Modeling · 14.07.2025 · 65 (13) · 6632-6643
DOI: 10.1021/acs.jcim.5c00513 ↗Kurz gefasst
Fachartikel in der Zeitschrift Journal of Chemical Information and Modeling, online erschienen am 18.06.2025. Verfasst von Jawad Kamran und 2 weiteren Autor:innen. Beteiligte Einrichtung: Institute of Physical Chemistry, Friedrich Schiller University Jena, Helmholtzweg 4, 07743 Jena, Germany. Hauptthemen laut MEDLINE: Spectrum Analysis, Raman, Quantum Theory, Deep Learning. Die Arbeit wurde bisher 14-mal zitiert (Crossref) und nennt 54 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0). Gefördert von: Bundesministerium für Bildung und Forschung, European Research Council.
Abstract (Originalsprache)
Kein Abstract verfügbar.
Schlagwörter
MeSH-Schlagwörter (MEDLINE)
Autor:innen und Institutionen
- Institute of Physical Chemistry, Friedrich Schiller University Jena, Helmholtzweg 4, 07743 Jena, Germany.
- Department of Photonic Data Science, Leibniz Institute of Photonic Technology, Albert-Einstein-Straße 9, 07745 Jena, Germany.
ORCID-Profile: Jawad Kamran, Julian Hniopek, Thomas Bocklitz
Förderung
- Bundesministerium für Bildung und Forschung
- European Research Council
Zitieren
APA
Kamran, J., Hniopek, J., & Bocklitz, T. (2025). Transfer-Learning Deep Raman Models Using Semiempirical Quantum Chemistry. Journal of Chemical Information and Modeling, 65(13), 6632-6643. https://doi.org/10.1021/acs.jcim.5c00513
Vancouver
Kamran J, Hniopek J, Bocklitz T. Transfer-Learning Deep Raman Models Using Semiempirical Quantum Chemistry. Journal of Chemical Information and Modeling. 2025;65(13):6632-6643. doi:10.1021/acs.jcim.5c00513
BibTeX
@article{Kamran2025,
author = {Kamran, Jawad and Hniopek, Julian and Bocklitz, Thomas},
title = {Transfer-Learning Deep Raman Models Using Semiempirical Quantum Chemistry},
journal = {Journal of Chemical Information and Modeling},
year = {2025},
volume = {65},
number = {13},
pages = {6632--6643},
doi = {10.1021/acs.jcim.5c00513}
}
EUVIMED