Menu

Filtros : "Journal of Chemical Information and Modeling" "Wei, Guo-Wei" Limpar

Filtros

Limitar por data

  • 1

1 - 3 (3 registros)

  • Artigo de periodico-carta/editorial

    Machine Learning in Materials Science. [Editorial] (2024)

    Merz, Kenneth M; Choong, Yee Siew; Cournia, Zoe; Isayev, Olexandr; Soares, Thereza Amélia ; Wei, Guo-Wei; Zhu, Feng

    Fonte: Journal of Chemical Information and Modeling. Unidade: FFCLRP

    Assuntos: ALGORITMOS, APRENDIZADO COMPUTACIONAL, BIOMATERIAIS

    PrivadoAcesso à fonteDOIComo citar
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      MERZ, Kenneth M et al. Machine Learning in Materials Science. [Editorial]. Journal of Chemical Information and Modeling. Washington: Faculdade de Filosofia, Ciências e Letras de Ribeirão Preto, Universidade de São Paulo. Disponível em: https://doi.org/10.1021/acs.jcim.4c00727. Acesso em: 09 nov. 2025. , 2024

    • APA

      Merz, K. M., Choong, Y. S., Cournia, Z., Isayev, O., Soares, T. A., Wei, G. -W., & Zhu, F. (2024). Machine Learning in Materials Science. [Editorial]. Journal of Chemical Information and Modeling. Washington: Faculdade de Filosofia, Ciências e Letras de Ribeirão Preto, Universidade de São Paulo. doi:10.1021/acs.jcim.4c00727

    • NLM

      Merz KM, Choong YS, Cournia Z, Isayev O, Soares TA, Wei G-W, Zhu F. Machine Learning in Materials Science. [Editorial] [Internet]. Journal of Chemical Information and Modeling. 2024 ; 64( 10): 3959-3960.[citado 2025 nov. 09 ] Available from: https://doi.org/10.1021/acs.jcim.4c00727

    • Vancouver

      Merz KM, Choong YS, Cournia Z, Isayev O, Soares TA, Wei G-W, Zhu F. Machine Learning in Materials Science. [Editorial] [Internet]. Journal of Chemical Information and Modeling. 2024 ; 64( 10): 3959-3960.[citado 2025 nov. 09 ] Available from: https://doi.org/10.1021/acs.jcim.4c00727

  • Artigo de periodico-carta/editorial

    Computational chemistry in Asia [Editorial] (2022)

    Wei, Guo-Wei; Soares, Thereza A. ; Wahab, Habibah A.; Wang, Renxiao

    Fonte: Journal of Chemical Information and Modeling. Unidade: FFCLRP

    Assuntos: PERIÓDICOS CIENTÍFICOS, QUÍMICA, QUÍMICA

    PrivadoAcesso à fonteDOIComo citar
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      WEI, Guo-Wei et al. Computational chemistry in Asia [Editorial]. Journal of Chemical Information and Modeling. Washington: Faculdade de Filosofia, Ciências e Letras de Ribeirão Preto, Universidade de São Paulo. Disponível em: https://doi.org/10.1021/acs.jcim.2c01050. Acesso em: 09 nov. 2025. , 2022

    • APA

      Wei, G. -W., Soares, T. A., Wahab, H. A., & Wang, R. (2022). Computational chemistry in Asia [Editorial]. Journal of Chemical Information and Modeling. Washington: Faculdade de Filosofia, Ciências e Letras de Ribeirão Preto, Universidade de São Paulo. doi:10.1021/acs.jcim.2c01050

    • NLM

      Wei G-W, Soares TA, Wahab HA, Wang R. Computational chemistry in Asia [Editorial] [Internet]. Journal of Chemical Information and Modeling. 2022 ; 62( 21): 5035-5037.[citado 2025 nov. 09 ] Available from: https://doi.org/10.1021/acs.jcim.2c01050

    • Vancouver

      Wei G-W, Soares TA, Wahab HA, Wang R. Computational chemistry in Asia [Editorial] [Internet]. Journal of Chemical Information and Modeling. 2022 ; 62( 21): 5035-5037.[citado 2025 nov. 09 ] Available from: https://doi.org/10.1021/acs.jcim.2c01050

  • Artigo de periodico-carta/editorial

    The (Re)-evolution of Quantitative Structure–Activity Relationship (QSAR) studies propelled by the surge of machine learning methods [Editorial] (2022)

    Soares, Thereza A. ; Alves, Ariane Ferreira Nunes; Mazzolari, Angelica; Ruggiu, Fiorella; Wei, Guo-Wei; Merz, Kenneth

    Fonte: Journal of Chemical Information and Modeling. Unidade: FFCLRP

    Assuntos: APRENDIZADO COMPUTACIONAL, MODELOS MATEMÁTICOS, ESTRUTURA MOLECULAR (QUÍMICA TEÓRICA)

    PrivadoAcesso à fonteDOIComo citar
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      SOARES, Thereza A. et al. The (Re)-evolution of Quantitative Structure–Activity Relationship (QSAR) studies propelled by the surge of machine learning methods [Editorial]. Journal of Chemical Information and Modeling. Washington: Faculdade de Filosofia, Ciências e Letras de Ribeirão Preto, Universidade de São Paulo. Disponível em: https://doi.org/10.1021/acs.jcim.2c01422. Acesso em: 09 nov. 2025. , 2022

    • APA

      Soares, T. A., Alves, A. F. N., Mazzolari, A., Ruggiu, F., Wei, G. -W., & Merz, K. (2022). The (Re)-evolution of Quantitative Structure–Activity Relationship (QSAR) studies propelled by the surge of machine learning methods [Editorial]. Journal of Chemical Information and Modeling. Washington: Faculdade de Filosofia, Ciências e Letras de Ribeirão Preto, Universidade de São Paulo. doi:10.1021/acs.jcim.2c01422

    • NLM

      Soares TA, Alves AFN, Mazzolari A, Ruggiu F, Wei G-W, Merz K. The (Re)-evolution of Quantitative Structure–Activity Relationship (QSAR) studies propelled by the surge of machine learning methods [Editorial] [Internet]. Journal of Chemical Information and Modeling. 2022 ; 62( 22): 5317-5320.[citado 2025 nov. 09 ] Available from: https://doi.org/10.1021/acs.jcim.2c01422

    • Vancouver

      Soares TA, Alves AFN, Mazzolari A, Ruggiu F, Wei G-W, Merz K. The (Re)-evolution of Quantitative Structure–Activity Relationship (QSAR) studies propelled by the surge of machine learning methods [Editorial] [Internet]. Journal of Chemical Information and Modeling. 2022 ; 62( 22): 5317-5320.[citado 2025 nov. 09 ] Available from: https://doi.org/10.1021/acs.jcim.2c01422
  • 1

1 - 3 (3 registros)

Biblioteca Digital de Produção Intelectual da Universidade de São Paulo     2012 - 2025