First-principles NMR of oxide glasses boosted by machine learning
Faraday Discussions · 2025 · 255 · 370-390
DOI: 10.1039/d4fd00129j ↗Kurz gefasst
Fachartikel in der Zeitschrift Faraday Discussions, 2025. Verfasst von Thibault Charpentier. Beteiligte Einrichtung: Université Paris-Saclay, CEA, CNRS, NIMBE, 91191 Gif-sur-Yvette cedex, France. thibault.charpentier@cea.fr. Die Arbeit wurde bisher 14-mal zitiert (Crossref) und nennt 82 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY-NC 3.0). Gefördert von: Grand Équipement National De Calcul Intensif.
Abstract (Originalsprache)
Machine-learning prediction of NMR tensors allows simulation NMR experiments at finite temperature for models of thousands of atoms.
Autor:innen und Institutionen
- Université Paris-Saclay, CEA, CNRS, NIMBE, 91191 Gif-sur-Yvette cedex, France. thibault.charpentier@cea.fr.
Förderung
- Grand Équipement National De Calcul Intensif
Zitieren
APA
Charpentier, T. (2025). First-principles NMR of oxide glasses boosted by machine learning. Faraday Discussions, 255, 370-390. https://doi.org/10.1039/d4fd00129j
Vancouver
Charpentier T. First-principles NMR of oxide glasses boosted by machine learning. Faraday Discussions. 2025;255:370-390. doi:10.1039/d4fd00129j
BibTeX
@article{Charpentier2025,
author = {Charpentier, Thibault},
title = {First-principles NMR of oxide glasses boosted by machine learning},
journal = {Faraday Discussions},
year = {2025},
volume = {255},
pages = {370--390},
doi = {10.1039/d4fd00129j}
}
EUVIMED