状態図予測のための機械学習に基づく分類アプローチ【JST・京大機械翻訳】

Deffrennes Guillaume; Terayama Kei; Abe Taichi; Tamura Ryo

プレプリント

J-GLOBAL ID：202202203119116964 整理番号：22P0024169

状態図予測のための機械学習に基づく分類アプローチ【JST・京大機械翻訳】

A machine learning-based classification approach for phase diagram prediction

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2022年01月06日プレプリントサーバーでの情報更新日： 2022年03月06日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

状態図の知識は,加工中の微細構造の進展を理解するのを助けるので,材料設計に不可欠である。したがって,状態図の決定は材料科学における中心課題の1つである。相図が未知である新しい材料を探索するとき,実験主義者は,類似のシステムの既知の相図を参照して行うべき重要な実験を決定することをしばしば試みる。この実用的な戦略を強化するために,機械学習ベースの分類手法を用いて,既知の相図に基づく未知の相図を推定することを試みた。概念の証明として,著者らは,他の9つのセクションからAl-Cu-Mg-Si-Zn系の各10の三元系の800K等温断面を横切る共存相数の予測に焦点を当てた。予測精度を増すために,著者らは,要素の熱力学特性と低次元系からのCALPHAD外挿から生成された新しい記述子を導入した。ランダムフォレスト法を用いて,単一,2,および3相領域の存在が,11%の標準偏差で10の考慮された断面全体で84%の平均精度で予測された。提案した手法は,新しい材料の開発および相平衡を効率的に決定するための研究者を支援するための有望なツールである。【JST・京大機械翻訳】

, , , , , , , , , , ,
, , , , 【Automatic Indexing@JST】

金属系の相平衡・状態図

, , ,

前のページに戻る