畳込みニューラルネットワークは多主成分合金における経路依存拡散障壁スペクトルの高忠実度予測を可能にする【JST・京大機械翻訳】

Fan Zhao; Xing Bin; Cao Penghui

プレプリント

J-GLOBAL ID：202202212323734714 整理番号：22P0303153

畳込みニューラルネットワークは多主成分合金における経路依存拡散障壁スペクトルの高忠実度予測を可能にする【JST・京大機械翻訳】

Convolutional neural networks enable high-fidelity prediction of path-dependent diffusion barrier spectra in multi-principal element alloys

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 (3件)： , ,
資料名：
発行年： 2022年03月12日プレプリントサーバーでの情報更新日： 2022年03月23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。

緊急多主要素合金(MPEA)は,技術的進歩のための新材料を探索するための巨大な組成空間を提供する。しかし,標的特性に対するこのような大きな設計空間から最適組成を効率的に同定する方法は,材料科学における大きな課題である。ここでは,任意の組成でのMPEAの拡散挙動と多くの高温特性,および与えられた合金系内の異なる化学的短範囲秩序で重要な経路依存空孔移動エネルギー障壁を正確かつ効率的に予測することができる畳み込みニューラルネットワーク(CNN)モデルを開発した。CNNモデルの成功は,異なるMPEAシステムのための拡散障壁のデータベースを開発するのに有望であり,望ましい特性を有する新しい組成の発見のための合金スクリーニングを加速するであろう。さらに,移動エネルギー障壁に関連する局所配置の長さスケールを明らかにし,材料科学の他の側面へのこの成功の意味を考察した。【JST・京大機械翻訳】

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

固体中の拡散一般

, , , , , ,

前のページに戻る