文献

J-GLOBAL ID：202102220488721644   整理番号：21A2606204

多結晶微細構造における塑性速度勾配テンソルの局所化のための畳込みニューラルネットワーク【JST・京大機械翻訳】

Convolutional Neural Networks for the Localization of Plastic Velocity Gradient Tensor in Polycrystalline Microstructures

著者 (3件)： Montes de Oca Zapiain David (George W. Woodruff School of Mechanical Engineering, Georgia Institute of Technology, Atlanta, GA 30332) ,  Shanker Apaar (School of Computational Science and Engineering, Georgia Institute of Technology, Atlanta, GA 30332) ,  Kalidindi Surya R. (George W. Woodruff School of Mechanical Engineering, School of Computational Science and Engineering, Georgia Institute of Technology, Atlanta, GA 30332)
資料名： Journal of Engineering Materials and Technology  (Journal of Engineering Materials and Technology)
巻： 144  号： 1  ページ： Null  発行年： 2022年 
JST資料番号： C0998A  ISSN： 0094-4289  CODEN： JEMTA8  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： 最近の研究では,二相微細構造における機械的場の局在化のための低計算コスト代替モデルの生成における畳み込みニューラルネットワーク(CNN)の可能性を実証した。同じCNNの多結晶微細構造への拡張は,CNNの入力チャネルにおける結晶格子配向の表現のための効率的な形式の欠如によって妨げられる。本論文では,この課題に取り組むための一般化球面調和(GSH)の使用の利点を示した。巨視的に課せられた荷重条件を受ける多結晶微細構造における局所塑性速度勾配場を予測するために,CNNモデルを成功裏に訓練した。特に,入力チャネルにおける結晶方位を表現するために,Bunge-Euler角の直接使用と比較して,提案した手法がCNNモデルの精度を著しく改善することを実証した。提案した手法は,CNNへの入力微細構造の仕様における期待される結晶対称性を暗黙的に満たすので,広範囲の多結晶微細構造設計および最適化問題に対処する際に,CNNの採用のための新しい研究方向を開いた。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *塑性 ,  *テンソル ,  微細構造 ,  最適化問題 ,  結晶方位 ,  ルブリケータ ,  結晶格子 ,  球面 ,  チャネル ,  *剪断速度
準シソーラス用語： 局在化 ,  計算コスト ,  荷重条件 ,  *結晶微細構造 ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (3件)： 機械的挙動 ,  微細構造特性の関係 ,  塑性挙動

分類 (2件)： 金属材料  (HC04020L) ,  その他の金属組織学  (WB01040Y)

タイトルに関連する用語 (6件)： 結晶微細構造 ,  塑性 ,  速度勾配 ,  テンソル ,  局所化 ,  畳込みニューラルネットワーク