Passer au contenu principal

Recherche

Afficher tous les résultats pour

Accueil

Personne

Daniel Hollas

Cette personne n’est plus à l’EPFL

À propos
Confidentialité
Mentions légales

Copyright © 2025 EPFL, tous droits réservés

Graph Chatbot

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Publications associées (3)

Veuillez noter qu'il ne s'agit pas d'une liste complète des publications de cette personne. Elle inclut uniquement les travaux sémantiquement pertinents. Pour une liste complète, veuillez consulter Infoscience.

Jahn-Teller effects in initial and final states: high-resolution X-ray absorption, photoelectron and Auger spectroscopy of allene

Majed Chergui, Camila Bacellar Cases Da Silveira, Luca Longetti, Rebecca Ann Ingle, Ludmila Maria Diniz Leroy, Thomas Roland Barillot, Daniel Hollas

Carbon K-edge resonant Auger spectra of gas-phase allene following excitation of the pre-edge 1s -> pi* transitions are presented and analysed with the support of EOM-CCSD/cc-pVTZ calculations. X-Ray absorption (XAS), X-ray photoelectron (XPS), valence ban ...

ROYAL SOC CHEMISTRY2023

Mechanisms of fluorescence quenching in prototypical aggregation-induced emission systems: excited state dynamics with TD-DFTB

Anne-Clémence Corminboeuf, Antonio Prlj, Kun-Han Lin, Daniel Hollas, Thierry Tran

A recent implementation of time-dependent tight-binding density functional theory is employed in excited state molecular dynamics for the investigation of the fluorescence quenching mechanism in 3 prototypical aggregation-induced emission systems. An asses ...

ROYAL SOC CHEMISTRY2019

Hamiltonian-Reservoir Replica Exchange and Machine Learning Potentials for Computational Organic Chemistry

Anne-Clémence Corminboeuf, Alberto Fabrizio, Benjamin André René Meyer, Raimon Fabregat I De Aguilar-Amat, Daniel Hollas

This work combines a machine learning potential energy function with a modular enhanced sampling scheme to obtain statistically converged thermodynamical properties of flexible medium-size organic molecules at high ab initio level. We offer a modular envir ...

AMER CHEMICAL SOC2020