文献

J-GLOBAL ID：202002276915238845   整理番号：20A2561257

統計と機械学習による火炎溶射熱分解の最適化【JST・京大機械翻訳】

Flame spray pyrolysis optimization via statistics and machine learning

著者 (3件)： Paulson Noah H. (Applied Materials Division, Argonne National Laboratory, Argonne, IL 60439, United States of America) ,  Libera Joseph A. (Applied Materials Division, Argonne National Laboratory, Argonne, IL 60439, United States of America) ,  Stan Marius (Applied Materials Division, Argonne National Laboratory, Argonne, IL 60439, United States of America)
資料名： Materials & Design  (Materials & Design)
巻： 196  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： 火炎スプレー熱分解(FSP)は,ナノ材料が溶解前駆体元素を含む噴霧燃料の燃焼により製造される重要な製造プロセスである。FSPは広範囲の次世代エネルギー材料のスケーラブルな生産を可能にする可能性を有するが,それはまた,マルチスケール,マルチフィジックス特性,および多数の処理変数を持っている。伝統的なアプローチによる望ましい材料結果のプロセスの最適化は挑戦的である。本研究では,処理パラメータ空間を,ラテンハイパーキューブ設計実験,機械学習代理モデリング,およびBayes最適化のような統計的方法を含む,新規で効率的な方法論によって探索した。結果として,FSPプロセスは性能の向上のために最適化される。特に,in-situ粒子サイズ測定を用いて,平均粒径に対する粒子直径の低い広がりのためのシリカナノ粒子の生成を調整し,15回の実験試験の中でベースラインよりも25.5%の改善をもたらした。プロセスにおいて,分析は一次粒子の明確なドメインと凝集粒子形成を明らかにした。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： *最適化 ,  溶解 ,  粒度分析 ,  粒径 ,  統計的方法 ,  噴霧 ,  前駆体 ,  基準線 ,  生産工程 ,  *機械学習 ,  ナノ材料
準シソーラス用語： スプレー熱分解 ,  マルチスケール ,  マルチフィジックス ,  シリカナノ粒子 , 【Automatic Indexing@JST】

著者キーワード (4件)： 火炎溶射熱分解 ,  ナノ粒子合成 ,  ラテン超立方体サンプリング ,  Bayes最適化

分類 (2件)： 機械的性質  (WB02030U) ,  変態組織,加工組織  (WB01030N)

タイトルに関連する用語 (4件)： 統計 ,  機械学習 ,  火炎溶射熱分解 ,  最適化