文献

J-GLOBAL ID：201802264070931579   整理番号：18A0575537

機械学習を用いたけい酸塩ガラスの溶解速度の予測【Powered by NICT】

Predicting the dissolution kinetics of silicate glasses using machine learning

著者 (6件)： Anoop Krishnan N.M. (Department of Civil Engineering, Indian Institute of Technology Delhi, Hauz Khas, New Delhi 110016, India) ,  Mangalathu Sujith (Department of Civil and Environmental Engineering, University of California, Los Angeles, CA 90095, USA) ,  Smedskjaer Morten M. (Department of Chemistry and Bioscience, Aalborg University, Aalborg, Denmark) ,  Tandia Adama (Science and Technology Division, Corning Incorporated, Corning, New York 14831, USA) ,  Burton Henry (Department of Civil and Environmental Engineering, University of California, Los Angeles, CA 90095, USA) ,  Bauchy Mathieu (Physics of AmoRphous and Inorganic Solids Laboratory (PARISlab), Department of Civil and Environmental Engineering, University of California, Los Angeles, CA 90095, USA)
資料名： Journal of Non-Crystalline Solids  (Journal of Non-Crystalline Solids)
巻： 487  ページ： 37-45  発行年： 2018年 
JST資料番号： D0642A  ISSN： 0022-3093  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： 水性条件下におけるけい酸塩ガラスの溶解速度を予測する基礎となる機構(s)はほとんど理解されていないと溶解速度は多数の内因性及び外因性因子に依存する可能性があるとして複雑な作業である。ここでは,広範囲の溶液pH値に曝露した種々のアルミノけい酸塩ガラスの溶解速度を予測し,酸性からアルカリ条件に機械学習に基づくデータ駆動モデルの可能性を評価した。四種類の機械学習法のを調べた,すなわち,線形回帰,サポートベクトルマシン回帰,ランダムフォレストと人工ニューラルネットワーク。線形法は全ての溶解動力学を記述できないが,人工ニューラルネットワーク手法は,非線形データを処理するその固有の能力のおかげで,訓練されていないデータに対しても,優れた予測を提供することを観察した。著者らはさらに,線形回帰のような単純な方法の予測能力は,付加的な物理学に基づく制約を用いて改善できることを指摘した。このような方法,物理インフォームド機械学習と呼ばれるは訓練されていない組成の挙動を外挿すると同様に用いることができる。全体として,筆者らは機械学習アプローチのより広範な使用はあつらえた特性の新しいガラスの設計を顕著に加速できたことを示唆した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 線形性 ,  アルミノケイ酸ガラス ,  サポートベクトルマシン ,  *ケイ酸塩ガラス ,  ニューラルネットワーク ,  *機械学習 ,  *溶解速度 ,  *溶解 ,  *ガラス ,  外挿法
準シソーラス用語： 予測能力 ,  溶解速度論 ,  ランダムフォレスト ,  線形回帰 ,  データ駆動 , 【Automatic Indexing@JST】

著者キーワード (5件)： 溶解 ,  ケイ酸塩ガラス ,  機械学習 ,  物理学は情報に基づく機械学習 ,  人工ニューラルネットワーク

分類 (1件)： ガラスの性質・分析・試験  (YC02030Z)

タイトルに関連する用語 (4件)： 機械学習 ,  けい酸塩ガラス ,  溶解速度 ,  予測