人工知能を用いた官能化表面の放射率予測【JST・京大機械翻訳】

Acosta Greg; Reicks Andrew; Moreno Miguel; Borjali Alireza; Zuhlke Craig; Ghashami Mohammad

プレプリント

J-GLOBAL ID：202202203383333949 整理番号：22P0274815

人工知能を用いた官能化表面の放射率予測【JST・京大機械翻訳】

Emissivity Prediction of Functionalized Surfaces Using Artificial Intelligence

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 (6件)： , , , , ,
資料名：
発行年： 2022年01月14日プレプリントサーバーでの情報更新日： 2022年01月14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。

任意の物体の放射応答は放射率として知られる表面パラメータにより支配される。表面の放射率の調整は,熱光起電力,熱管理システム,および受動放射冷却のような熱放射を含む多くの応用で大きな興味を持たれている。いくつかの表面工学技術(例えば,表面官能化)は放射率を変えるために追求されてきたが,修正/製作プロセスの前に表面の放射率を正確に予測する際に知識ギャップが存在する。物理ベースのモデリングアプローチによる放射率の予測は,表面の寄与因子,複雑な相互作用および相互依存性のために挑戦的であり,放射率の測定は,あらゆるサンプルに対して退屈な手順を必要とする。したがって,放射率を系統的に予測し,熱放射の応用を拡大するために,新しいアプローチが大いに取り込まれている。本研究では,複雑な表面の放射率を予測するために,人工知能(AI)技術を採用する大きな利点を実証した。この目的のために,フェムト秒レーザ表面処理(FLSP)を用いて,種々の表面特性を有する116のバルクアルミニウム6061試料を作製した。包括的データセットを,表面特性データ,レーザ動作パラメータ,および全サンプルに対する放射率を測定して確立した。2つの異なるシナリオにおけるAIの適用を実証した。最初に,未知試料の放射率の範囲を,その3D表面形態画像のみに基づいて正確に推定した。第二に,試料の放射率を,その表面特性データと製造パラメータに基づいて正確に予測した。AI技術の実施は,測定値との優れた一致を示すことにより,放射率の非常に正確な予測をもたらした。【JST・京大機械翻訳】

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

放射伝達,放射変調

, , ,

前のページに戻る