← Retour à la cohorte
The OpenMolcas Web: A Community-Driven Approach to Advancing Computational Chemistry
Giovanni Li Manni, Ignacio Fdez. Galván, Ali Alavi, Flavia Aleotti, Francesco Aquilante, Jochen Autschbach, Davide Avagliano, Alberto Baiardi, Jie Bao, Stefano Battaglia, Letitia Birnoschi, Alejandro Blanco-González, Sergey I. Bokarev, Ria Broer, Roberto Cacciari, Paul B. Calio, Rebecca K. Carlson, Rafael C. Couto, Luis Cerdán, Liviu F. Chibotaru, Nicolas F. Chilton, Jonathan R. Church, Irene Conti, Sonia Coriani, Juliana Cuéllar-Zuquin, Razan E. Daoud, Nike Dattani, Piero Decleva, Coen de Graaf, Mickaël G. Delcey, Luca De Vico, Werner Dobrautz, Sijia S. Dong, Rulin Feng, Nicolas Ferré, Michael Filatov, Laura Gagliardi, Marco Garavelli, Leticia González, Yafu Guan, Meiyuan Guo, Matthew R. Hennefarth, Matthew R. Hermes, Chad E. Hoyer, Miquel Huix‐Rotllant, Vishal Kumar Jaiswal, Andy Kaiser, Danil Kaliakin, Marjan Khamesian, Daniel S. King, Vladislav Kochetov, Marek Krośnicki, Arpit Arun Kumaar, Ernst D. Larsson, Susi Lehtola, Marie-Bernadette Lepetit, Hans Lischka, Pablo López Ríos, Marcus Lundberg, Dongxia Ma, Sebastian Mai, Philipp Marquetand, Isabella C. D. Merritt, Francesco Montorsi, Maximilian Mörchen, Artur Nenov, Yoshio Nishimoto, Meagan S. Oakley, Massimo Olivucci, Markus Oppel, D. D. La Padula, Riddhish Pandharkar, Quan Manh Phung, Felix Plasser, Gerardo Raggi, Elisa Rebolini, Markus Reiher, Ivan Rivalta, Daniel Roca‐Sanjuán, Thies Romig, Arta Anushirwan Safari, Aitor Sánchez-Mansilla, Andrew M. Sand, Igor Schapiro, Thais R. Scott, Javier Segarra‐Martí, Francesco Segatta, Dumitru‐Claudiu Sergentu, Prachi Sharma, Ron Shepard, Yinan Shu, Jakob K. Staab, Tjerk P. Straatsma, Lasse Kragh Sørensen, Bruno Nunes Cabral Tenorio, Donald G. Truhlar, Liviu Ungur, Morgane Vacher, Valera Veryazov, Torben Arne Voß, Oskar Weser, Dihua Wu, Xuchun Yang, David R. Yarkony, Chen Zhou, J. Patrick Zobel, Roland Lindh
Notice bibliographique
RevueChemRxiv · 2023
Typepreprint
Langueen
DomaineMaterials Science
ThématiqueMachine Learning in Materials Science
Établissements canadiensnon disponible
Organismes subventionnairesOak Ridge National LaboratoryBasic Energy SciencesNational Supercomputer Centre, Linköpings UniversitetUppsala Multidisciplinary Center for Advanced Computational ScienceEuropean Regional Development FundOffice of ScienceEuropean CommissionMinisterio de Ciencia e InnovaciónRoyal SocietyAlliance de recherche numérique du CanadaMinistero dell’Istruzione, dell’Università e della RicercaUppsala UniversitetCentre National de la Recherche ScientifiqueU.S. Department of EnergyVetenskapsrådetLinköpings UniversitetLunds UniversitetPartnership for Advanced Computing in Europe AISBLDeutsche ForschungsgemeinschaftGrand Équipement National De Calcul IntensifNational Science CouncilCarl Tryggers Stiftelse för Vetenskaplig ForskningUniversity of ChicagoEuropean Cooperation in Science and TechnologyUniversity of ManchesterFundación Bancaria Caixa d'Estalvis i Pensions de BarcelonaUniversity of MinnesotaNational Science FoundationAgencia Estatal de InvestigaciónSchweizerischer Nationalfonds zur Förderung der Wissenschaftlichen Forschung
Mots-clésComputer scienceFocus (optics)Electronic structureSoftwareComputational scienceChemistryNanotechnologyData scienceComputational chemistryPhysicsMaterials scienceProgramming language
Résumé
OpenAlex consigne un résumé pour ce travail, mais il n'a pas pu être récupéré à l'instant.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
score de la tête « metaresearch » (Codex)0,009
score de la tête « metaresearch » (Gemma)0,022
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesScience ouverte
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,989
Score d'incertitude au seuil0,151
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,005 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,007 | 0,007 |
| Science ouverte | 0,011 | 0,014 |
| Intégrité de la recherche | 0,004 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,045 | 0,026 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
Tête enseignante Opus0,039
Tête enseignante GPT0,307
Écart entre enseignants0,268 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validation
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Devis d'étudeSans objet
Domainenon disponible
GenreMéthodes
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».
En bref
Citations15
Publié2023
Routes d'admission1
Résumé présentoui