Passer au contenu principal
Graph
Search
fr
en
Se Connecter
Recherche
Tous
Catégories
Concepts
Cours
Séances de cours
MOOCs
Personnes
Exercices
Publications
Start-ups
Unités
Afficher tous les résultats pour
Accueil
Séance de cours
Modélisation à l'échelle atomique : Exercices interactifs et affectations graduées
Graph Chatbot
Séances de cours associées (32)
Précédent
Page 3 sur 4
Suivant
Diffraction et interférence : Phénomènes des vagues
Explore la diffraction, l'interférence, la diffraction des rayons X et l'efficacité de la diffusion de la lumière.
Principes de la diffraction II : Règles et demandes
Explore les règles de l'interférence et des schémas de diffraction, y compris l'expérience de Young et la loi de Bragg.
Crystallographie: Cellules unitaires, treillis et treillis réciproques
Introduit les bases de la cristallographie, couvrant les cellules unitaires, les treillis et les concepts de treillis réciproques.
Microscopie électronique : TEM
Explore la microscopie électronique de transmission (TEM), couvrant les modèles de diffraction, la formation d'images et les mécanismes de contraste.
Cristallographie: liaison atomique, structures et diffraction
Couvre la cristallographie, la liaison atomique, les structures, la diffraction et les nombres de coordination dans les matériaux.
Comprendre la diffraction : rayons X vs neutrons
Compare les rayons X et les neutrons pour l'analyse de la structure des matériaux à l'aide de modèles de diffraction.
Diffraction des neutrons thermiques
Explore la diffraction des neutrons thermiques sur un cristal et comment déterminer leur température et leurs maxima de diffraction.
Diffusion dynamique : Diffraction électronique
Explore la diffusion dynamique dans la diffraction électronique, en discutant des défis dans l'interprétation des modèles de diffraction et des applications dans l'imagerie des défauts cristallins et la discrimination de phase.
Lattice réciproque: Bases de la diffraction III
Explore le réseau réciproque, les modèles de diffraction et l'extraction de la structure atomique.
Machine Learning non linéaire : les voisins les plus proches et l’expansion des fonctionnalités
Couvre la transition des modèles linéaires aux modèles non linéaires, en se concentrant sur k-NN et les techniques d'expansion des caractéristiques.