Clovis Lapointe, Thomas D. Swinburne, Laurent Proville, Charlotte Becquart, Normand Mousseau
, Mihai-Cosmin Marinica
Article de revue (2022)
Accéder à ce document
Lien externe
Ce document n'est pas archivé dans PolyPublie, mais peut être consulté chez l'éditeur officiel
Mots clés
Département:
Unité de recherche:
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
Adresse URL de PolyPublie:
Titre de la revue
:
Physical Review Materials
(
vol.
6
,
no
11
)
Maison d'édition:
American Physical Society
URL officielle:
OAI:
oai:publications.polymtl.ca:74705
ORCID
Date du dépôt:
17 avr. 2026 17:02
Dernière modification:
14 oct. 2026 14:36
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
