文献

J-GLOBAL ID：202202285007402747   整理番号：22A0473242

金属ガラスにおけるナノスケール構造不均一性のキャラクタリゼーション:機械学習研究【JST・京大機械翻訳】

Characterization of nanoscale structural heterogeneity in metallic glasses: A machine learning study

著者 (6件)： Samavatian Majid (Department of Advanced Materials and Renewable Energy, Iranian Research Organization for Science and Technology (IROST), Tehran 3313193685, Iran) ,  Gholamipour Reza (Department of Advanced Materials and Renewable Energy, Iranian Research Organization for Science and Technology (IROST), Tehran 3313193685, Iran) ,  Bokov Dmitry Olegovich (Sechenov First Moscow State Medical University, 8 Trubetskaya St., Bldg. 2, Moscow 119991, Russia) ,  Suksatan Wanich (Chulabhorn Royal Academy, Bangkok, Thailand) ,  Samavatian Vahid (Department of Electrical Engineering, Sharif University of Technology, 68260 Tehran, Iran) ,  Mahmoodan Morteza (Department of Materials Science and Engineering, Saveh Branch, Islamic Azad University, Saveh, Iran)
資料名： Journal of Non-Crystalline Solids  (Journal of Non-Crystalline Solids)
巻： 578  ページ： Null  発行年： 2022年 
JST資料番号： D0642A  ISSN： 0022-3093  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： 原子間力顕微鏡(AFM)は金属ガラス(MG)の構造不均一性を研究するための効率的なツールである。しかし,走査プロセスにおける時間のかかる解析と限界は,この実験の側面である。これらの問題に取り組むために,機械学習(ML)モデルを開発して,AFM走査の数の増加とともにMG表面上のエネルギー散逸の分布を予測した。結果は,走査点のエネルギーを正確に予測することができ,時間節約と信頼できる研究につながることを示した。さらに,構造不均一性のキャラクタリゼーションは,AFM走査のシーケンス下の各ナノスケール領域の粘弾性応答が初期エネルギー状態に依存することを示した。予測結果は,高散逸領域が確率的傾向を示す一方,中程度のエネルギーレベルの領域は規則的挙動を示す傾向があることを示した。また,低散逸領域は顕著なエネルギー変化に抵抗し,これはそれらの相互接続ナノ構造に起因した。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： エネルギー準位 ,  粘弾性 ,  相互接続 ,  不均一性 ,  キャラクタリゼーション ,  原子間力顕微鏡 ,  ナノ構造 ,  *機械学習 ,  エネルギー散逸 ,  *金属ガラス
準シソーラス用語： エネルギー状態 ,  *ナノスケール , 【Automatic Indexing@JST】

著者キーワード (4件)： 機械学習 ,  原子間力顕微鏡 ,  金属ガラス ,  構造的不均一性

分類 (1件)： 非晶質金属の構造  (BK04020D)

タイトルに関連する用語 (6件)： 金属ガラス ,  ナノスケール ,  不均一性 ,  キャラクタリゼーション ,  機械学習 ,  研究