Passer au contenu principal

Recherche

Afficher tous les résultats pour

Accueil

Personne

Jan Weinreich

À propos
Confidentialité
Mentions légales

Copyright © 2025 EPFL, tous droits réservés

Graph Chatbot

Source officielle

https://people.epfl.ch/jan.weinreich?lang=fr

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.

Unités associées (1)

Laboratoire de design moléculaire computationnel

EPFL
SB
ISIC
LCMD

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.

Calculated solvation and ionization energies for thousands of organic molecules relevant to battery design

We present high-quality reference data for two fundamentally important groups of molecular properties related to a compound’s utility as a lithium battery electrolyte. The first property is energy changes associated with charge excitations of molecules, na ...

2025

Cost-informed Bayesian reaction optimization †

Jérôme Waser, Rubén Laplaza Solanas, Anne-Clémence Corminboeuf, Alexandre Alain Schöpfer, Jan Weinreich

Bayesian optimization (BO) is an efficient method for solving complex optimization problems, including those in chemical research, where it is gaining significant popularity. Although effective in guiding experimental design, BO does not account for experi ...

Royal Society of Chemistry (RSC)2024

Integer Linear Programming for Unsupervised Training Set Selection in Molecular Machine Learning

Friedrich Eisenbrand, Rubén Laplaza Solanas, Anne-Clémence Corminboeuf, Ksenia Briling, Puck Elisabeth van Gerwen, Jan Weinreich

Integer linear programming (ILP) is an elegant approach to solve linear optimization problems, naturally described using integer decision variables. Within the context of physics-inspired machine learning (ML) applied to chemistry, we demonstrate the relev ...

IOP Publishing Ltd2025