Filtry
wszystkich: 104
Najlepsze wyniki w katalogu: Potencjał Badawczy Pokaż wszystkie wyniki (79)
Wyniki wyszukiwania dla: NEUTRON DIFFRACTION
-
Zespół Fizyki Ciała Stałego
Potencjał BadawczyTematyka badawcza Katedry Fizyki Ciała Stałego obejmuje wytwarzanie i badanie materiałów dla energetyki (m.in. nanostruktury, sensory) o innowacyjnych właściwościach fizyko-chemicznych, tj: * kryształy, polikryształy, ceramika, szkło * materiały objętościowe, cienkie warstwy, nanomateriały * materiały metaliczne, półprzewodnikowe, nadprzewodnikowe, izolatory Tematyka badawcza obejmuje również badania symulacyjne i obliczeniowe...
-
Zespół Katedry Równań Różniczkowych i Zastosowań Matematyki
Potencjał Badawczy* topologiczne niezmienniki w teorii układów dynamicznych i ich zastosowania * teoria punktów stałych i periodycznych * metody matematyczne w kardiologii * miary złożoności i ich zastosowania * modele strukturalne z dyfuzją i warunkami brzegowymi Fellera * modelowanie ekspresji genu białka Hes1 * równania McKendrick-von Foerster z warunkiem odnowy * modelowanie termicznej ablacji za pomocą równania bio-przewodnictwa ciepła * soczewkowanie...
-
Katedra Technologii Chemicznej
Potencjał BadawczyTechnologie gazu z łupków
Najlepsze wyniki w katalogu: Oferta Biznesowa Pokaż wszystkie wyniki (25)
Wyniki wyszukiwania dla: NEUTRON DIFFRACTION
-
Laboratorium Badawcze 2-3
Oferta BiznesowaObliczenia komputerowe wymagające dużych mocy obliczeniowych z wykorzystaniem oprogramowania typu: Matlab, Tomlab, Gams, Apros.
-
Laboratorium Nanomateriałów CZT
Oferta BiznesowaBadanie właściwość powierzchni z wykorzystaniem mikroskopu sił atomowych
-
FPGA/VHDL
Oferta Biznesowa
Pozostałe wyniki Pokaż wszystkie wyniki (1060)
Wyniki wyszukiwania dla: NEUTRON DIFFRACTION
-
Oxygen release from BaLnMn2O6 (Ln: Pr, Nd, Y) under reducing conditions as studied by neutron diffraction
Publikacja -
POWDER DIFFRACTION
Czasopisma -
Explainable machine learning for diffraction patterns
PublikacjaSerial crystallography experiments at X-ray free-electron laser facilities produce massive amounts of data but only a fraction of these data are useful for downstream analysis. Thus, it is essential to differentiate between acceptable and unacceptable data, generally known as ‘hit’ and ‘miss’, respectively. Image classification methods from artificial intelligence, or more specifically convolutional neural networks (CNNs), classify...
-
Neutron News
Czasopisma -
NEURON
Czasopisma