文献

J-GLOBAL ID：202002211647635984   整理番号：20A0265289

高分子複合材料における機械学習応用【JST・京大機械翻訳】

Machine learning applications in polymer composites

著者 (3件)： Hamidi Youssef K. (Mechanical Engineering Program, College of Science and Engineering, University of Houston-Clear Lake, USA) ,  Berrado Abdelaziz (Ecole Mohammadia d’Ingenieurs, AMJPS, Mohamed V University in Rabat, Morocco) ,  Altan M. Cengiz (School of Aerospace and Mechanical Engineering, University of Oklahoma, USA)
資料名： AIP Conference Proceedings  (AIP Conference Proceedings)
巻： 2205  号： 1  ページ： 020031-020031-5  発行年： 2020年 
JST資料番号： D0071C  ISSN： 0094-243X  資料種別： 会議録 (C)
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： 高分子複合材料と機械学習(ML)の両方における多くの研究問題における主要な関心は,関連する独立変数または入力を用いて,一つ以上の興味のある変数に対する予測モデルを開発することである。しかし,これらの2つの分野はしばしば異なるアプローチを採用しており,そこでは複合材料挙動のモデリングはしばしば物理ベースのモデルと現象論的理論に基づいている。これらの物理モデルはより正確でロバストであるが,それらが特定の条件に限定されているので,しばしば制限された予測能力を被る。一方,MLモデルは,手での応用のための最良の適合または予測挙動を抽出するために,大量で高次元のデータセットを管理することを可能にするので,設計段階の間により効率的である。この文脈において,材料科学者は,高分子複合材料の興味のある挙動を予測し,特性化するために,強力なML法の理解と実行に役立つであろう。本論文では,熱機械的性質,水分飽和レベル,耐久性,その他の重要な挙動を含む高分子複合材料の特性を予測するために,複合材料構成要素,製造プロセス,関連プロセスパラメータ,および複合製品の期待寿命に基づいて,教師つき機械学習モデルを採用することを目的とした一般的方法論を提示した。Copyright 2020 AIP Publishing LLC All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： モデリング ,  高次元 ,  水分 ,  *複合材料 ,  材料科学 ,  プロセスパラメータ ,  耐久性 ,  *機械学習 ,  予測モデル ,  キャラクタリゼーション ,  ロバスト性 ,  生産工程
準シソーラス用語： 物理モデル ,  独立変数 ,  *PMC【材料】 , 【Automatic Indexing@JST】

分類 (2件)： 機械的性質  (YH02022L) ,  充填剤,補強材  (YH05030J)

タイトルに関連する用語 (3件)： 高分子複合材料 ,  機械学習 ,  応用