文献

J-GLOBAL ID：202202221568769878   整理番号：22A0929356

人工ニューラルネットワークを用いた低弾性率生物医学的β-Ti合金の合金設計の再検討【JST・京大機械翻訳】

Revisiting alloy design of low-modulus biomedical β-Ti alloys using an artificial neural network

著者 (7件)： Wu Chun-Te (Department of Materials Science & Engineering, National Taiwan University, Taipei, Taiwan) ,  Lin Po-Hsun (Department of Materials Science & Engineering, National Taiwan University, Taipei, Taiwan) ,  Huang Sih-Ying (Department of Materials Science & Engineering, National Taiwan University, Taipei, Taiwan) ,  Tseng Yu-Jen (Department of Materials Science & Engineering, National Taiwan University, Taipei, Taiwan) ,  Chang Hsiao-Tzu (New Materials Research and Development Department, China Steel Corporation, Kaohsiung, Taiwan) ,  Li Sheng-Yen (Materials Engineering Department, Southwest Research Institute, San Antonio, TX, United States) ,  Yen Hung-Wei (Department of Materials Science & Engineering, National Taiwan University, Taipei, Taiwan)
資料名： Materialia  (Materialia)
巻： 21  ページ： Null  発行年： 2022年 
JST資料番号： W5058A  ISSN： 2589-1529  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 相安定性およびYoung率に及ぼす合金元素の複雑な効果を解き,低弾性率Ti合金の設計指針を可能にするため,アンサンブルニューラルネットワークモデルを開発した。βLow2.0と名付けられたこの計算フレームワークを検証し,材料選択に対する合金組成に対する弾性率の感度を理解するために調べた。運動は,β相の準安定性とNb,Zr,Mo,Sn,およびTaの影響を考慮した将来の材料設計に対する設計指針を提供する。このデータ駆動モデルを評価するために,基本的な不確実性定量化関数を適用して,現在のデータ空間におけるモデルを理解した。モデル検証の結果も,キャリブレーションデータセットとは異なる実験データで提示した。本研究は,ニューラルネットワークベースの機械学習を用いて,合金設計のための包括的な冶金原理を可能にする。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： Young率 ,  *合金 ,  *弾性係数 ,  不確実性 ,  タンタル ,  *チタン合金 ,  *ニューラルネットワーク ,  合金元素 ,  計算 ,  β相 ,  *合金設計 ,  冶金 ,  機械学習
準シソーラス用語： モデル検証 ,  設計指針 , 【Automatic Indexing@JST】

著者キーワード (5件)： チタン合金 ,  位相安定性 ,  Young率 ,  機械学習 ,  人工ニューラルネットワーク

分類 (2件)： 医用素材  (GA05040H) ,  機械的性質  (WB02030U)

タイトルに関連する用語 (5件)： 人工ニューラルネットワーク ,  弾性率 ,  生物医学 ,  Ti合金 ,  合金設計