Active learning–enhanced machine learning potential for unraveling structure–property relationships in FNaBeTh molten salt systems
Rattachement africain : cn. Niveau de preuve : code pays fourni par la source.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- Active learning–enhanced machine learning potential for unraveling structure–property relationships in FNaBeTh molten salt systems
- Date Crossref
- 01/10/2026
- Éditeur
- Elsevier BV
- Type
- journal-article
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Où se fait cette recherche
-
North China Electric Power University pays non établi dans la noticeUniversité ou école supérieure
-
Chinese Academy of Sciences pays non établi dans la noticeOrganisme public
-
Ningbo Institute of Industrial Technology pays non établi dans la noticeStructure de recherche
-
Northwest Institute For Non-Ferrous Metal Research pays non établi dans la noticeStructure de recherche
-
College of Environmental Science and Engineering pays non établi dans la noticeUniversité ou école supérieure
-
Ningbo Institute of Materials Technology and Engineering pays non établi dans la noticeStructure de recherche
-
Xi'an Rare Metal Materials Institute Co. pays non établi dans la noticeStructure de recherche
-
Qianwan Institute of CNITECH pays non établi dans la noticeStructure de recherche
North China Electric Power University, Chinese Academy of Sciences et Ningbo Institute of Industrial Technology, avec 5 autres affiliations.
Une affiliation ne permet pas de déduire la nationalité d’un auteur.