文献

J-GLOBAL ID：201902231808597719   整理番号：19A0658837

機械学習によるゼオライト骨格の機械的性質の予測【JST・京大機械翻訳】

Predicting the Mechanical Properties of Zeolite Frameworks by Machine Learning

著者 (2件)： Evans Jack D. (Chimie ParisTech, PSL Research University, CNRS, Institut de Recherche de Chimie Paris, France) ,  Coudert Francois-Xavier (Chimie ParisTech, PSL Research University, CNRS, Institut de Recherche de Chimie Paris, France)
資料名： Chemistry of Materials  (Chemistry of Materials)
巻： 29  号： 18  ページ： 7833-7839  発行年： 2017年 
JST資料番号： T0893A  ISSN： 0897-4756  CODEN： CMATEX  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： ここでは,機械学習がゼオライトの弾性応答を予測するための強力な新しいツールであることを示した。著者らは,ゼオライトの局所幾何学,構造,および気孔率に関連する幾何学的特徴のみに依存する機械学習アプローチを構築し,力場アプローチのそれを超える精度でゼオライトのバルクおよびせん断弾性率を予測した。このモデルの開発はゼオライトの特性と弾性係数の間の明確な相関を示し,ゼオライト骨格の力学への例外的な洞察を提供する。最後に,この方法を用いて,590448仮想ゼオライトの弾性応答を予測し,この大量データベースの結果は多孔質材料における安定性傾向の明確な証拠を提供した。Copyright 2019 American Chemical Society All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *機械学習 ,  幾何学 ,  空隙率 ,  多孔質体 ,  データベース ,  力の場 ,  剛性率 ,  弾性係数 ,  機械的性質 ,  弾性
準シソーラス用語： 幾何学的特徴 , 【Automatic Indexing@JST】

分類 (1件)： 合成鉱物  (CD01040K)

タイトルに関連する用語 (5件)： 機械学習 ,  ゼオライト ,  骨格 ,  機械的性質 ,  予測