文献

J-GLOBAL ID：202102254675601473   整理番号：21A1300126

機械学習を用いた非トポロジカル磁気構成の分類【JST・京大機械翻訳】

Classification of Non-Topological Magnetic Configurations Using Machine Learning

著者 (5件)： Bokul Saffat (BRAC University,Dhaka,Bangladesh) ,  Shukur Samiha Sabrin Md Abdus (BRAC University,Dhaka,Bangladesh) ,  Ahmed Saquib (BRAC University,Dhaka,Bangladesh) ,  Bhowmick Tonmoy Kumar (University of California,Riverside,California,USA) ,  Alam Md. Ashraful (BRAC University,Dhaka,Bangladesh)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： CSDE  ページ： 1-5  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： Electron顕微鏡装置は,半導体製造および材料における異なる磁気構成を図る研究に広く使用されている。機械学習を用いて,凝縮物質物理学の分野における効率的な研究および解析を行った。本論文では,異なる非トポロジー磁気構成間で分類する機械学習アプローチを提案した。各磁気構造の物理特性に基づいて生成されたデータで訓練された多重機械学習モデルを提案した。強磁性体,反強磁性体およびSpin-spiralのような非トポロジー構造間のマルチクラス分類を行い,機械学習技術がこのタスク上でどのように機能するかを調べた。これを達成するために,主成分分析(PCA)アルゴリズムによる畳込みニューラルネットワーク(CNN)とサポートベクトルマシン(SVM)を使用した。著者らの実験結果は,CNNとSVMの両方が,異なる非トポロジー磁気構成の間の識別において例外的に良好に機能することを示した。Copyright 2021 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  位相幾何学 ,  強磁性体 ,  凝縮 ,  反強磁性体 ,  学習モデル ,  *磁気 ,  磁気構造 ,  主成分分析 ,  *機械学習 ,  サポートベクトルマシン
準シソーラス用語： 半導体製造 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： 機械学習 ,  磁気 ,  分類