Similarity of precursors in solid-state synthesis as text-mined from scientific literature (2020)
- Authors:
- Autor USP: BOTARI, TIAGO - ICMC
- Unidade: ICMC
- DOI: 10.1021/acs.chemmater.0c02553
- Subjects: MINERAÇÃO DE DADOS; RECONHECIMENTO DE TEXTO; ESTADO SÓLIDO
- Agências de fomento:
- Language: Inglês
- Imprenta:
- Publisher place: Washington
- Date published: 2020
- Source:
- Título: Chemistry of Materials
- ISSN: 0897-4756
- Volume/Número/Paginação/Ano: v. 32, n. 18, p. 7861-7873, Sep. 2020
- Status:
- Artigo aberto em periódico híbrido (Hybrid Open Access)
- Versão do Documento:
- Versão publicada (Published version)
- Acessar versão aberta:
-
ABNT
HE, Tanjin et al. Similarity of precursors in solid-state synthesis as text-mined from scientific literature. Chemistry of Materials, v. 32, n. 18, p. Se 2020, 2020Tradução . . Disponível em: https://doi.org/10.1021/acs.chemmater.0c02553. Acesso em: 02 abr. 2026. -
APA
He, T., Sun, W., Huo, H., Kononova, O., Rong, Z., Tshitoyan, V., et al. (2020). Similarity of precursors in solid-state synthesis as text-mined from scientific literature. Chemistry of Materials, 32( 18), Se 2020. doi:10.1021/acs.chemmater.0c02553 -
NLM
He T, Sun W, Huo H, Kononova O, Rong Z, Tshitoyan V, Botari T, Ceder G. Similarity of precursors in solid-state synthesis as text-mined from scientific literature [Internet]. Chemistry of Materials. 2020 ; 32( 18): Se 2020.[citado 2026 abr. 02 ] Available from: https://doi.org/10.1021/acs.chemmater.0c02553 -
Vancouver
He T, Sun W, Huo H, Kononova O, Rong Z, Tshitoyan V, Botari T, Ceder G. Similarity of precursors in solid-state synthesis as text-mined from scientific literature [Internet]. Chemistry of Materials. 2020 ; 32( 18): Se 2020.[citado 2026 abr. 02 ] Available from: https://doi.org/10.1021/acs.chemmater.0c02553 - Hydrogen evolution at the in-situ MoO3/MoS2 heterojunctions created by non-thermal O2 plasma treatment
- Text-mined dataset of inorganic materials synthesis recipes
- Local interpretation methods to machine learning using the domain of the feature space
- Predicting and interpreting oxide glass properties by machine learning using large datasets
- Machine learning unveils composition-property relationships in chalcogenide glasses
- Explainable machine learning algorithms for predicting glass transition temperatures
Informações sobre a disponibilidade de versões do artigo em acesso aberto coletadas automaticamente via oaDOI API (Unpaywall).
Por se tratar de integração com serviço externo, podem existir diferentes versões do trabalho (como preprints ou postprints), que podem diferir da versão publicada.
Download do texto completo
| Tipo | Nome | Link | |
|---|---|---|---|
 |
3008646.pdf | Direct link |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
