文献

J-GLOBAL ID：202002259901591230   整理番号：20A1531366

ThMn_12型合金の組成を識別するための粉末X線回折パターンに適用した機械学習クラスタリング技術【JST・京大機械翻訳】

Machine-Learning Clustering Technique Applied to Powder X-Ray Diffraction Patterns to Distinguish Compositions of ThMn₁₂-Type Alloys

著者 (10件)： Utimula Keishu (School of Materials Science, JAIST, Asahidai 1-1, Nomi, Ishikawa, 923-1292, Japan) ,  Hunkao Rutchapon (Optical and Quantum Physics Laboratory, Department of Physics, Faculty of Science, Mahidol University, Bangkok, 10400, Thailand) ,  Yano Masao (Advanced Material Engineering Div., Toyota Motor Corporation, 1200, Mishuku, Susono, Shizuoka, 410-1193, Japan) ,  Kimoto Hiroyuki (Material Creation & Analysis Dept., Material Engineering Div. No. 2, Toyota Motor Corporation, 1, Toyota-cho, Toyota, Aichi, 471-8572, Japan) ,  Hongo Kenta (Research Center for Advanced Computing Infrastructure, JAIST, Asahidai 1-1, Nomi, Ishikawa, 923-1292, Japan) ,  Hongo Kenta (Center for Materials Research by Information Integration, Research and Services Division of Materials Data and Integrated System, National Institute for Materials Science, Tsukuba, 305-0047, Japan) ,  Hongo Kenta (PRESTO, JST, Kawaguchi, Saitama, 332-0012, Japan) ,  Kawaguchi Shogo (Japan Synchrotron Radiation Research Institute (JASRI), Sayo-gun, Hyogo, 679-5148, Japan) ,  Suwanna Sujin (Optical and Quantum Physics Laboratory, Department of Physics, Faculty of Science, Mahidol University, Bangkok, 10400, Thailand) ,  Maezono Ryo (School of Information Science, Japan Advanced Institute of Science and Technology (JAIST), Asahidai 1-1, Nomi, Ishikawa, 923-1292, Japan)
資料名： Advanced Theory and Simulations  (Advanced Theory and Simulations)
巻： 3  号： 7  ページ： e2000039  発行年： 2020年 
JST資料番号： W2665A  ISSN： 2513-0390  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： 磁性合金の主相に導入された置換基の微視的構造を同定するために,X線回折(XRD)スペクトルパターンに動的時間ラッピング(DTW)解析を用いてクラスタリング技術を適用した。クラスター化技術は良好に機能し,約90%の成功率で置換基の濃度を同定した。この性能は,ピーク強度(多結晶試料中の回折条件の非制御性による)とピーク位置の均一シフト(格子の熱膨張による)のような無関係な情報をフィルタリングするDTW処理の能力に起因する。確立されたフレームワークは,本研究で扱った系に限定されないが,その特性は,相内の原子置換によって調整される特性に,広く適用可能である。このフレームワークは,予測された微視的局所構造から評価されたそのような特性を予測することによって,観測されたXRDパターンから,磁気モーメント,光学スペクトルなどの特性を予測するより広い可能性を有する。Copyright 2020 Wiley Publishing Japan K.K. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *X線回折 ,  *回折 ,  *合金 ,  磁気モーメント ,  熱膨張 ,  可制御性 ,  ラッピング ,  磁性合金 ,  フィルタリング ,  多結晶 ,  *クラスタ化 ,  *機械学習
準シソーラス用語： 局所構造 ,  *粉末X線回折 ,  置換基 , 【Automatic Indexing@JST】

著者キーワード (3件)： 動的時間ラッピング ,  機械学習 ,  磁性合金

分類 (3件)： 半導体薄膜  (BK14040E) ,  その他の無機化合物の磁性  (BM06060P) ,  磁性材料  (NA04040H)

タイトルに関連する用語 (6件)： 型合 ,  組成 ,  識別 ,  粉末X線回折 ,  機械学習 ,  クラスタリング