文献

J-GLOBAL ID：202002269729863682   整理番号：20A1905473

構造材料の機械学習【JST・京大機械翻訳】

Machine Learning for Structural Materials

著者 (5件)： Sparks Taylor D. (Department of Materials Science and Engineering, University of Utah, Salt Lake City, Utah 84112, USA; email: [e-mail]) ,  Kauwe Steven K. (Department of Materials Science and Engineering, University of Utah, Salt Lake City, Utah 84112, USA; email: [e-mail]) ,  Parry Marcus E. (Department of Materials Science and Engineering, University of Utah, Salt Lake City, Utah 84112, USA; email: [e-mail]) ,  Tehrani Aria Mansouri (Department of Chemistry, University of Houston, Texas 77204, USA) ,  Brgoch Jakoah (Department of Chemistry, University of Houston, Texas 77204, USA)
資料名： Annual Review of Materials Research  (Annual Review of Materials Research)
巻： 50  ページ： 27-48  発行年： 2020年 
JST資料番号： D0856A  ISSN： 1531-7331  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： 顕著な機械的応答を有する構造材料の開発は,工業的,技術的,および生物医学的応用に対して,長い間探索されてきた。しかし,これらの化合物は,局在化した化学結合から結晶粒間の巨視的相互作用まで,複数のスケールにわたる多数の相互作用から魅力的な特性を導く傾向がある。この多様性は,合理的なタイムラインで新しい材料を開発する研究者の能力を制限した。幸いなことに,材料科学における機械学習の出現は,高次元空間を分析し,以前に見逃された構造-組成-特性-処理関係間の相関を同定するための新しいアプローチを提供した。このレビューにおいて,著者らは,疲労と破壊を分析することによって既知の構造材料を改善するために,データ科学を使用するいくつかの成功例を検討し,高エントロピー合金とバルク金属ガラスを含む複雑な組成空間において,完全に新しいクラスの構造材料を開発する方法を検討した。この分野における最近の進歩の高まりは,市場-リード構造材料の生産を期待するデータ駆動方法論の力を示す。Copyright 2020 Annual Reviews All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 化学結合 ,  相互作用 ,  情報科学 ,  結晶粒 ,  高次元 ,  構造材料 ,  *機械学習 ,  材料科学 ,  バルク金属ガラス
準シソーラス用語： 局在化 ,  データ駆動 ,  生物医学的応用 ,  高エントロピー合金 , 【Automatic Indexing@JST】

著者キーワード (6件)： 機械学習 ,  高エントロピー合金 ,  構造材料 ,  バルク金属ガラス ,  疲労 ,  材料情報学

分類 (4件)： 固体の機械的性質一般  (BL01021C) ,  固体デバイス製造技術一般  (NC03030V) ,  物理化学一般その他  (CB01030T) ,  その他の無機化合物の格子欠陥  (BK12050B)

タイトルに関連する用語 (2件)： 構造材料 ,  機械学習