Tutkimustuotoksia vuodessa
Tutkimustuotoksia vuodessa
Sormenjälki
Sukella tutkimusaiheisiin, joissa Ali Hamedani on aktiivinen. Nämä aihemerkinnät ovat peräisin tämän henkilön teoksista. Yhdessä ne muodostavat ainutlaatuisen sormenjäljen.
- 1 Samanlaiset profiilit
Yhteistyöt ja huippututkimusalueet viimeisiltä viideltä vuodelta
Viimeisin maa-/aluetasolla toteutettu yhteistyö. Saat tarkempia lisätietoja pisteitä napauttamalla, tai
Tutkimustuotos
- 1 Article
-
Data-efficient machine-learning interatomic potential for studying radiation effects in germanium
Jin, R., Hamedani, A. & Sand, A. E., 1 helmik. 2026, julkaisussa: Machine Learning: Science and Technology. 7, 1, s. 1-19 19 Sivumäärä, 015012.Tutkimustuotos: Lehtiartikkeli › Article › Scientific › vertaisarvioitu
Open accessTiedosto1 Lataukset (Pure)
-
MUST: Comprehensive multiscale modelling of atomistic and electronic structure of radiation-induced defects in semiconductors
Sand, A. (Vastuullinen johtaja), Kiely, G. (Projektin jäsen), Hamedani, A. (Projektin jäsen), Krishnakumar, H. (Projektin jäsen), Jin, R. (Projektin jäsen), Abdelalim, A. (Projektin jäsen) & Núñez, C. (Projektin jäsen)
01/03/2023 → 28/02/2027
Projekti: EU Horizon Europe ERC
-
ExaFF/Sand: Exascale-ready machine learning force field
Sand, A. (Vastuullinen johtaja), Konggaard, N. (Projektin jäsen), Kirov, C. (Projektin jäsen), Saha, U. (Projektin jäsen), Shah, H. (Projektin jäsen), Vihuri, S. (Projektin jäsen), Hamedani, A. (Projektin jäsen), Davies, T. (Projektin jäsen), Ene, C. (Projektin jäsen), Fangnon, A. (Projektin jäsen), Korepanova, N. (Projektin jäsen), Jin, R. (Projektin jäsen) & Caetano Semião, B. (Projektin jäsen)
01/01/2022 → 31/12/2024
Projekti: RCF Academy Project targeted call
Tietoaineistot
-
Machine learning interatomic potential for studying radiation effects in germanium - The dataset
Jin, R. (Creator), Hamedani, A. (Contributor) & Sand, A. (Contributor), Fairdata , 4 elok. 2025
DOI - pysyväislinkki: 10.23729/fd-7b657799-083c-364d-b456-04c393420aa9
Tietoaineisto: Dataset
-
Research data for: "SiC-TGAP: A machine learning interatomic potential for radiation damage simulations in 3C-SiC"
Hamedani, A. (Creator) & E. Sand, A. (Creator), Zenodo, 23 syysk. 2025
DOI - pysyväislinkki: 10.5281/zenodo.17182226
Tietoaineisto: Dataset
-
Primary damage and electronic effects in Si with machine learning-driven molecular dynamics - Atomic structure of final defects
Hamedani, A. (Creator), Fairdata , 17 huhtik. 2025
DOI - pysyväislinkki: 10.23729/fd-d9a0b313-1481-37b7-926d-b858f76c035a, https://etsin.fairdata.fi/dataset/2886585c-6430-475b-b517-d13b76b40063
Tietoaineisto: Dataset