CINEMA · Chemistry informed machine learning in emulsion polymerization processes and products
cordis:101072732Chemistry informed machine learning in emulsion polymerization processes and products
Identität reicht nur so weit wie die veröffentlichte stabile Kennung oder ausdrückliche Zuordnung. Ähnliche Namen werden nicht zusammengeführt. Fehlende Verbindungen bedeuten: in den begrenzten Quellen nicht beobachtet – nicht in Wirklichkeit abwesend.
Identität ≠ Namensähnlichkeit · Kante ≠ KausalitätJede direkte Verbindung mit ihrem Beleg
Beziehungsbezeichnung und Evidenzklasse beschreiben die gesamte Aussage. Prüf den Quellbeleg, bevor du eine weitergehende Schlussfolgerung ziehst.
claim:funding:101072732:892992477Kein zusätzlicher Textauszug veröffentlicht.
Quelle öffnen ↗claim:funding:101072732:999829926Kein zusätzlicher Textauszug veröffentlicht.
Quelle öffnen ↗claim:funding:101072732:999983962Kein zusätzlicher Textauszug veröffentlicht.
Quelle öffnen ↗Felder, die an dieser Identität bleiben
Attribute sind beschreibende Quellfelder. Sie erzeugen keine datensatzübergreifende Identität, solange eine Kante diesen Join nicht ausdrücklich ausweist.
- Acronym
- CINEMA
- Code
- 101072732
- End Date
- 2026-12-31
- Framework Programme
- HORIZON
- Funding
- Currency: EUR · German Net Eu Contribution Cents: 78161760 · Participant Edge Count: 3 · Status: linked
- Knowledge Flow
- Citing Country Count: 0 · Citing Institution Count: 0 · Distinct Citing Work Count: 0 · Observed Citation Edge Count: 0 · Status: bounded_observation
- Research
- Citation Data Output Count: 3 · Cited Output Count: 1 · First Publication Date: 2024-01-01 · Last Publication Date: 2025-05-31 · Open Access Output Count: 3 · Output Count: 3 · Status: linked · Total Citations: 2
- Start Date
- 2023-01-01
Prüf die Quellstände
Ein Quellstand beschreibt, was zum Abrufzeitpunkt verfügbar war. Korrekturen und spätere Veröffentlichungen können künftige Beobachtungen verändern.
Zurück ins vollständige Evidenznetz
Durchsuch alle veröffentlichten Entitäten, prüf Ein-Hop-Nachbarschaften und finde die Brücken, die öffentliche Daten noch nicht tragen.