Lecture 7: Interatomic Potentials

Lecture 8: Bayesian Techniques

Потенциал машинного обучения всегда проявляется в экстраполяции, это не имеет значения.

Interatomic potentials from first principles

Битва за Telegram. Гуриев: что заставит Путина закончить войну. Кто прогнал Богомолова из МХАТ

Atomic Cluster Expansion based Force Fields for Molecular Materials

Почему скорость света слишком медленная, чтобы добраться до других галактик | Документальный фильм

Anders Johansson - Fast and accurate machine learning potentials for extreme-scale simulations

Justin Smith - The state of neural network interatomic potentials - IPAM at UCLA

День 2 — Изучение межатомных потенциалов машинного обучения | Джанни Де Фабритиис

Why the Past Still Exists | Leonard Susskind

The Universe Tried to Hide the Gravity Particle. Physicists Found a Loophole.

Lecture 1: Welcome to Applied AI for Materials Science

Atomic Cluster Expansion: A framework for fast and accurate ML force fields

Unlocking Atomistic Simulation Potential: Tutorial on DeePMD-kit for Accurate Machine-Trained Models

Learning Local Equivariant Representations for Large-Scale Atomistic Dynamics | Albert Musaelian

Michele Ceriotti - Machine learning for atomic-scale modeling - potentials and beyond - IPAM at UCLA

Полная история АДРЕНОХРОМА: наркотик элиты из страха или главный миф Голливуда? | История для сна

Lecture 02, concept 14: Van der Waals interaction forms: Buckingham & Lennard-Jones

Basics of machine learning force fields | VASP Lecture

AIMNet2 – A Robust Neural Network Potential | Roman Zubatyuk | AMS Webinars 2024