Clovis Lapointe, Thomas D. Swinburne, Laurent Proville, Charlotte Becquart, Normand Mousseau
et Mihai-Cosmin Marinica
Article de revue (2022)
Un lien externe est disponible pour ce document
| Département: | Département de génie physique |
|---|---|
| Centre de recherche: | RQMP - Regroupement québécois sur les matériaux de pointe |
| Organismes subventionnaires: | EUROfusion, Agence Nationale de la Recherche, Grand Équipement National De Calcul Intensif, Euratom Research and Training Programme |
| Numéro de subvention: | ANR-19-CE46-0006-1, A0130906973, A0090910965, 900018, 633053 |
| URL de PolyPublie: | https://publications.polymtl.ca/74705/ |
| Titre de la revue: | Physical Review Materials (vol. 6, no 11) |
| Maison d'édition: | American Physical Society |
| DOI: | 10.1103/physrevmaterials.6.113803 |
| URL officielle: | https://doi.org/10.1103/physrevmaterials.6.113803 |
| Date du dépôt: | 17 avr. 2026 17:02 |
| Dernière modification: | 17 avr. 2026 17:02 |
| Citer en APA 7: | Lapointe, C., Swinburne, T. D., Proville, L., Becquart, C., Mousseau, N., & Marinica, M.-C. (2022). Machine learning surrogate models for strain-dependent vibrational properties and migration rates of point defects. Physical Review Materials, 6(11), 113803 (15 pages). https://doi.org/10.1103/physrevmaterials.6.113803 |
|---|---|
Statistiques
Dimensions
Actions réservées au personnel
|
Afficher document |
