Machines
Machines: Problem Solving II
Machines: Problem Solving I
Avoidance Learning and Learned Helplessness
Potential Energy
Associative Learning
您也可能阅读
通过共同作者、期刊和引用图与本文相关的文章。
Sanggyu Chong1, Tong Jiang2, Michelangelo Domina1
1Laboratory of Computational Science and Modeling, Institute of Materials, École Polytechnique Fédérale de Lausanne, 1015 Lausanne, Switzerland.
机器学习的原子间潜力 (MLIP) 隐含地学习能量贡献. 这项研究揭示了MLIPs发展自己的身体秩序趋势,影响准确性和可概括性.
科学领域:
背景情况:
研究的目的:
主要方法:
主要成果:
结论: