文献

J-GLOBAL ID：202202279365908559   整理番号：22A0563511

AlCrFeMnNiW_x(X=0,0.05,0.1,0.5)高エントロピー合金の高温酸化挙動の予測への人工ニューラルネットワークの適用【JST・京大機械翻訳】

Application of artificial neural network for prediction of high temperature oxidation behavior of AlCrFeMnNiW_x (X = 0, 0.05, 0.1, 0.5) high entropy alloys

著者 (4件)： Dewangan Sheetal Kumar (Department of Metallurgy Engineering and Materials Science, Indian Institute of Technology Indore, 453552, India) ,  Dewangan Sheetal Kumar (Department of Materials Science and Engineering, Ajou University, Suwon, Gyeonggi-do, 16499, South Korea) ,  Kumar Vinod (Department of Metallurgy Engineering and Materials Science, Indian Institute of Technology Indore, 453552, India) ,  Kumar Vinod (Center of Advanced Electronics, Indian Institute of Technology Indore, 453552, India)
資料名： International Journal of Refractory Metals & Hard Materials  (International Journal of Refractory Metals & Hard Materials)
巻： 103  ページ： Null  発行年： 2022年 
JST資料番号： H0059B  ISSN： 0263-4368  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： 本研究は,高エントロピー合金(HEA)の酸化動力学を予測するための人工ニューラルネットワーク(ANN)ポテンシャルの適用性を実証した。ANNモデルの確立のために,広範な実験を行った。最初に,放電プラズマ焼結(SPS)AlCrFeMnNiW_x(x=0,0.05,0.1,0.5)HEAsを,700°C,800°C,および850°Cで50時間等温で酸化し,XRDとSEMにより調べた。HEAsは,タングステンを添加し,種々の酸化物を示したのに対して,多様な挙動を示した。明らかに,合金化成分は酸化挙動に大きく影響した。このように,合金化組成,露出時間,および酸化温度を,モデリングのための入力パラメータとして選択した。同時に,酸化試料の得られた質量増加はANNモデルの出力であった。ANNモデルは訓練,試験および検証(R>0.999)において優れた性能を達成した。いくつかの物理モデルを,速度則解釈の間,提案した予測ANNモデルと比較し,精度を著しく見出した。比較において,ANN予測モデルは,HEAsに対する各研究温度における実験データによる優れた結果を提供した。疑いなく,ANNモデルはHEAsの高温酸化挙動を予測する一貫した正確な方法である。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： X線回折 ,  *高温 ,  *酸化 ,  予測 ,  タングステン ,  酸化物 ,  *ニューラルネットワーク ,  増加 ,  合金化 ,  挙動 ,  予測モデル ,  放電プラズマ焼結
準シソーラス用語： 物理モデル ,  *高エントロピー合金 ,  *酸化挙動 , 【Automatic Indexing@JST】

著者キーワード (3件)： 高エントロピー合金 ,  酸化 ,  ANN

分類 (2件)： 機械的性質  (WB02030U) ,  金属材料へのセラミック被覆  (YC02050V)

タイトルに関連する用語 (4件)： 高エントロピー合金 ,  酸化挙動 ,  予測 ,  人工ニューラルネットワーク