文献

J-GLOBAL ID：202002220433462681   整理番号：20A0195243

高エントロピー合金の配置エネルギーを予測するためのロバストなデータ駆動アプローチ【JST・京大機械翻訳】

Robust data-driven approach for predicting the configurational energy of high entropy alloys

著者 (6件)： Zhang Jiaxin (Center for Computational Sciences, Oak Ridge National Laboratory, USA) ,  Liu Xianglin (Materials Science and Technology Division, Oak Ridge National Laboratory, USA) ,  Bi Sirui (Department of Civil Engineering, Johns Hopkins University, USA) ,  Yin Junqi (Center for Computational Sciences, Oak Ridge National Laboratory, USA) ,  Zhang Guannan (Computer Science and Mathematics Division, Oak Ridge National Laboratory, USA) ,  Eisenbach Markus (Center for Computational Sciences, Oak Ridge National Laboratory, USA)
資料名： Materials & Design  (Materials & Design)
巻： 185  ページ： Null  発行年： 2020年 
JST資料番号： A0495B  ISSN： 0264-1275  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 高エントロピー合金(HEAs)は,それらの様々な優れた特性のために有望な次世代材料である。これらの特性を理解するために,化学秩序化を特性化し,熱力学の効率的なシミュレーションとモデリングを通して秩序-無秩序転移を同定することが必要である。本研究では,高エントロピー合金の配置エネルギーの正確で効率的な予測のために,Bayesアプローチに基づくロバストなデータ駆動フレームワークを提案した。アンサンブルサンプリングによる最近提案された有効対相互作用(EPI)モデルを用いて,構成とその対応するエネルギーをマップした。第一原理計算により計算された限られたデータを与えると,Bayes正規化回帰は正確で安定な予測を提供するだけでなく,EPIパラメータに関連する不確実性を効果的に定量化する。モデル複雑性の任意の打切りと比較して,著者らはさらに物理的特徴選択を実行して,Bayes情報基準を用いてEPIモデルにおける協調シェルの切断を同定した。結果は,配置エネルギー,特に小さなデータを予測する上で,効率的でロバストな性能を達成した。開発した方法論を適用して,一連の耐火性HEAs,すなわちNbMoTaW,NbMoTaWVおよびNbMoTaWTiを研究し,データがまばらであるときにデータセットサイズが信頼性にどのように影響するかを実証した。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： キャラクタリゼーション ,  *ロバスト性 ,  特徴選択 ,  対相互作用 ,  モデリング ,  信頼性 ,  機械学習 ,  秩序無秩序転移 ,  不確実性 ,  正規化 ,  耐火性 ,  熱力学
準シソーラス用語： 第一原理計算 ,  *データ駆動 ,  *高エントロピー合金 , 【Automatic Indexing@JST】

著者キーワード (6件)： 高エントロピー合金 ,  不確実性定量化 ,  Bayes回帰 ,  Bayes情報基準 ,  第一原理計算 ,  機械学習

分類 (1件)： 機械的性質  (WB02030U)

タイトルに関連する用語 (5件)： 高エントロピー合金 ,  エネルギー ,  予測 ,  ロバスト ,  データ駆動