W zależności od ilości danych do przetworzenia generowanie pliku może się wydłużyć.

Jeśli generowanie trwa zbyt długo można ograniczyć dane np. zmniejszając zakres lat.

Artykuł

Pobierz plik Pobierz BibTeX

Tytuł

Generative discovery of de novo chemical designs using diffusion modeling and transformer deep neural networks with application to deep eutectic solvents

Autorzy

[ 1 ] Instytut Technologii i Inżynierii Chemicznej, Wydział Technologii Chemicznej, Politechnika Poznańska | [ P ] pracownik

Dyscyplina naukowa (Ustawa 2.0)

[7.6] Nauki chemiczne

Rok publikacji

2023

Opublikowano w

Applied Physics Letters

Rocznik: 2023 | Tom: vol. 122 | Numer: no. 23

Typ artykułu

artykuł naukowy

Język publikacji

angielski

Data udostępnienia online

06.06.2023

Strony (od-do)

234103-1 - 234103-10

DOI

10.1063/5.0155890

URL

https://pubs.aip.org/aip/apl/article/122/23/234103/2894780

Uwagi

Article number: 234103

Typ licencji

CC BY (uznanie autorstwa)

Tryb otwartego dostępu

czasopismo hybrydowe

Wersja tekstu w otwartym dostępie

ostateczna wersja opublikowana

Data udostępnienia

06.06.2023

Czas udostępnienia publikacji w sposób otwarty

w momencie opublikowania

Pełny tekst artykułu

Pobierz plik

Poziom dostępu do pełnego tekstu

publiczny

Punktacja Ministerstwa / czasopismo

100

Impact Factor

3,5

Ta strona używa plików Cookies, w celu zapamiętania uwierzytelnionej sesji użytkownika. Aby dowiedzieć się więcej przeczytaj o plikach Cookies i Polityce Prywatności.