文献

J-GLOBAL ID：202202226418455897   整理番号：22A0794072

酸化グラフェン-シリカ強化OPC複合材料の微細構造:深層学習による画像ベースキャラクタリゼーションとナノ同定【JST・京大機械翻訳】

Microstructure of graphene oxide-silica-reinforced OPC composites: Image-based characterization and nano-identification through deep learning

著者 (5件)： Lin Junlin (Department of Civil Engineering, Monash University, Clayton 3800, Victoria, Australia) ,  Liu Yanming (Department of Civil Engineering, Monash University, Clayton 3800, Victoria, Australia) ,  Sui Hao (Department of Civil Engineering, Monash University, Clayton 3800, Victoria, Australia) ,  Sagoe-Crentsil Kwesi (Department of Civil Engineering, Monash University, Clayton 3800, Victoria, Australia) ,  Duan Wenhui (Department of Civil Engineering, Monash University, Clayton 3800, Victoria, Australia)
資料名： Cement and Concrete Research  (Cement and Concrete Research)
巻： 154  ページ： Null  発行年： 2022年 
JST資料番号： E0724A  ISSN： 0008-8846  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： セメント複合材料の強化に大きな可能性を示す酸化グラフェン(GO)系ナノシートにもかかわらず,後方散乱電子(BSE)画像におけるナノ材料観察の困難さは,微細構造空間特性に及ぼすそれらの効果の理解を妨げる。本研究は,BSE画像に基づく包括的解析を示し,4つの側面から,通常のポルトランドセメント(OPC)とGO-シリカ強化OPCの微細構造を調べた:定性的可視化,定量的物理的記述子,統計的相関関数,および深い学習解釈。微細構造微細化に及ぼすGOSの影響を,全細孔領域の減少,細孔径と形状分布の微細化,および微細構造特徴間の空間相関の修正を含めて,首尾よく実証した。さらに,代表的な特徴を抽出する際にその優位性を示す深層学習は,空間相関のような高次情報がセメント微細構造におけるより支配的な因子であるべきであることを開示する。この範囲のツールは,ナノ強化セメント複合材料に対する微細構造キャラクタリゼーションの新しい経路を提供する。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： 相関関数 ,  電子 ,  微細構造 ,  複合材料 ,  *学習 ,  セメント ,  ポルトランドセメント ,  *二酸化ケイ素 ,  可視化 ,  後方散乱 ,  精密化 ,  強化 ,  ナノ材料 ,  ナノシート
準シソーラス用語： *酸化グラフェン , 【Automatic Indexing@JST】

著者キーワード (4件)： セメント複合材料 ,  深層学習 ,  ナノ補強 ,  微細構造のキャラクタリゼーション

分類 (3件)： モルタル,コンクリート  (RA06042H) ,  セメントの性質・分析  (YC05040F) ,  用途・機能・工法面から見た建設材料  (RA06050K)

タイトルに関連する用語 (9件)： 酸化グラフェン ,  シリカ ,  強化 ,  OPC ,  複合材料 ,  微細構造 ,  深層学習 ,  キャラクタリゼーション ,  同定