Deutsch
 
Hilfe Datenschutzhinweis Impressum
  DetailsucheBrowse

Datensatz

DATENSATZ AKTIONENEXPORT
Zur Ablage hinzufügen
 Lokale TagsFreigabegeschichteDetailsÜbersicht
  Uncertainty Quantification and Machine Learning Surrogate Models for Multi-Scale High-Performance-Computing Plasma Physics Turbulent Simulations

Yudin, Y.(2024). Uncertainty Quantification and Machine Learning Surrogate Models for Multi-Scale High-Performance-Computing Plasma Physics Turbulent Simulations (IPP 2024-15). Garching: Max-Planck-Institut für Plasmaphysik. doi:10.17617/2.3596635.

Item is

 

einblenden: alle

Basisdaten

ausblenden:
Datensatz-Permalink: https://hdl.handle.net/21.11116/0000-000F-8092-A Versions-Permalink: https://hdl.handle.net/21.11116/0000-000F-8096-6
Genre: Bericht

Dateien

ausblenden: Dateien
:
IPP 2024-15.pdf (beliebiger Volltext), 11MB
Öffnen   Speichern
Datei-Permalink:
https://hdl.handle.net/21.11116/0000-000F-8094-8
Name:
IPP 2024-15.pdf
Beschreibung:
-
OA-Status:
Gold
Sichtbarkeit:
Öffentlich
MIME-Typ / Prüfsumme:
application/pdf / [MD5]
Technische Metadaten:
Öffnen
Copyright Datum:
-
Copyright Info:
-
Lizenz:
-

Externe Referenzen

einblenden:

Urheber

ausblenden:
 Urheber:
Yudin, Y.1, Autor                 
Affiliations:
1Tokamak Theory (TOK), Max Planck Institute for Plasma Physics, Max Planck Society, ou_1856309              

Inhalt

einblenden:

Details

ausblenden:
Sprache(n): eng - English
 Datum: 2024
 Publikationsstatus: Online veröffentlicht
 Seiten: 128 p.
 Ort, Verlag, Ausgabe: Garching : Max-Planck-Institut für Plasmaphysik
 Inhaltsverzeichnis: -
 Art der Begutachtung: -
 Identifikatoren: Reportnr.: IPP 2024-15
DOI: 10.17617/2.3596635
 Art des Abschluß: -

Veranstaltung

einblenden:

Entscheidung

einblenden:

Projektinformation

einblenden:

Quelle

einblenden: