文献

J-GLOBAL ID：201702262240293904   整理番号：17A0472433

焼結時のLa_0 6Sr_0 4Co_0 2Fe_0 8O_3陰極ミクロ構造の予測:人工神経回路網による校正された速度論的モンテカルロ(KMC)シミュレーション【Powered by NICT】

Prediction of La_0.6Sr_0.4Co_0.2Fe_0.8O₃ cathode microstructures during sintering: Kinetic Monte Carlo (KMC) simulations calibrated by artificial neural networks

著者 (4件)： Yan Zilin (Institute of Industrial Sciences, The University of Tokyo, 4-6-1, Komaba, Meguro-ku, Tokyo 153-8505, Japan) ,  Kim Yongtae (Institute of Industrial Sciences, The University of Tokyo, 4-6-1, Komaba, Meguro-ku, Tokyo 153-8505, Japan) ,  Hara Shotaro (Department of Mechanical Engineering, Faculty of Engineering, Chiba Institute of Technology, 2-17-1 Tsudanuma, Narashino, Chiba 275-0016, Japan) ,  Shikazono Naoki (Institute of Industrial Sciences, The University of Tokyo, 4-6-1, Komaba, Meguro-ku, Tokyo 153-8505, Japan)
資料名： Journal of Power Sources  (Journal of Power Sources)
巻： 346  ページ： 103-112  発行年： 2017年 
JST資料番号： B0703B  ISSN： 0378-7753  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 焼結プロセスの全ての段階を研究するためのロバストなツールであることが証明され,Potts速度論的モンテカルロ(KMC)モデルは,固体酸化物燃料電池(SOFC)の電極の微細構造進化を分析するための理想的なツールである。このモデルの性質のために,シミュレーション温度と試行周波数のようなKMCシミュレーションの入力パラメータを同定することは困難である。は,人工ニューラルネットワーク(ANN)を用いた入力パラメータ較正過程を容易にするための厳密で効率的なアプローチを提案した。訓練したANNをKMCシミュレーションの試行錯誤の数を劇的に減少させた。較正された入力パラメータを用いたKMCシミュレーションは焼結中にLa_0 6Sr_0 4Co_0 2Fe_0 8O_3カソード材料の微細構造を予測し,集束イオンビーム走査電子顕微鏡(FIB SEM)再構成により得られた実際の3D微細構造の定性的および定量的一致を示した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： *モンテカルロ法 ,  周波数 ,  *微細構造 ,  走査電子顕微鏡 ,  *シミュレーション ,  *ニューラルネットワーク ,  再構成 ,  ロバスト性 ,  *速度論 ,  三次元 ,  *焼結 ,  集束イオンビーム
準シソーラス用語： 正極材料 ,  入力パラメータ ,  微細構造進展 , 【Automatic Indexing@JST】

著者キーワード (7件)： 固体酸化物燃料電池 ,  LSCF ,  焼結 ,  FIB-SEM ,  速度論的モンテカルロ法 ,  人工ニューラルネットワーク ,  パラメータキャリブレーション

分類 (1件)： 燃料電池  (YB04040V)

タイトルに関連する用語 (9件)： 焼結 ,  陰極 ,  ミクロ構造 ,  予測 ,  人工神経回路網 ,  校正 ,  速度論 ,  モンテカルロ ,  シミュレーション