文献

J-GLOBAL ID：202202262440435041   整理番号：22A0729693

深層学習による固体-液体界面での液体含有界面活性剤のナノスケール熱輸送と吸着の予測【JST・京大機械翻訳】

Prediction of nanoscale thermal transport and adsorption of liquid containing surfactant at solid-liquid interface via deep learning

著者 (7件)： Guo Yuting (Institute of Fluid Science, Tohoku University, 2-1-1 Katahira, Aoba-ku, Sendai 980-8577, Japan) ,  Li Gaoyang (Institute of Fluid Science, Tohoku University, 2-1-1 Katahira, Aoba-ku, Sendai 980-8577, Japan) ,  Mabuchi Takuya (Institute of Fluid Science, Tohoku University, 2-1-1 Katahira, Aoba-ku, Sendai 980-8577, Japan) ,  Mabuchi Takuya (Frontier Research Institute for Interdisciplinary Sciences, Tohoku University, 2-1-1 Katahira Aoba-ku, Sendai, Miyagi 980-8577, Japan) ,  Surblys Donatas (Institute of Fluid Science, Tohoku University, 2-1-1 Katahira, Aoba-ku, Sendai 980-8577, Japan) ,  Ohara Taku (Institute of Fluid Science, Tohoku University, 2-1-1 Katahira, Aoba-ku, Sendai 980-8577, Japan) ,  Tokumasu Takashi (Institute of Fluid Science, Tohoku University, 2-1-1 Katahira, Aoba-ku, Sendai 980-8577, Japan)
資料名： Journal of Colloid and Interface Science  (Journal of Colloid and Interface Science)
巻： 613  ページ： 587-596  発行年： 2022年 
JST資料番号： C0279A  ISSN： 0021-9797  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： 深層学習(DL)における最近の進歩は,材料の熱物理特性の実時間予測の高レベルを可能にした。一方,分子動力学(MD)は,詳細な界面条件を観察するための数値顕微鏡として長く使用されてきたが,計算上費用がかかる別のシミュレーションを必要とする。したがって,MDとDLを結合することは,低い計算コストで高分解能界面の詳細を得るために可能である。MDと結合した新しいDL符号化復号畳込みニューラルネットワーク(CNN)を提案し,ミクロ固体-液体界面幾何学から,界面活性剤を含む液体の分子温度と密度分布へのマッピングを実現した。さらに,より弾力性のある予測子を得るために,局所詳細を犠牲にしてDL予測の不確実性を低減するために,マルチスケール最適化スキームを提案した。統計的結果は,提案したCNNが高い予測精度を持ち,液体組成,濡れ性,および固体表面粗さを含む様々な因子の影響の下で,熱伝達と吸着現象を再現でき,一方,計算効率は大いに改善されることを示した。マルチナノスケール学習戦略のサポートによるDL法は,液体の種々の界面特性の迅速で正確な可視化と予測を達成し,界面材料設計を支援する。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： *界面 ,  *吸着 ,  最適化 ,  熱伝達 ,  不確実性 ,  弾性 ,  *界面活性剤 ,  可視化 ,  復号化 ,  分子動力学
準シソーラス用語： *ナノスケール ,  予測精度 ,  マルチスケール ,  計算コスト ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (6件)： 界面熱輸送 ,  界面活性剤吸着 ,  深層学習 ,  分子動力学 ,  符号化復号化畳込みニューラルネットワーク ,  マルチナノスケール方式

分類 (2件)： コロイド化学一般  (CB11010C) ,  その他の洗浄剤  (YG02040W)

タイトルに関連する用語 (8件)： 深層学習 ,  固体 ,  界面 ,  界面活性剤 ,  ナノスケール ,  熱輸送 ,  吸着 ,  予測