文献

J-GLOBAL ID：201702278422897697   整理番号：17A0221738

機械学習を用いた組織化ハイスループットデータから現象論的理論へ:誘電破壊の例

From Organized High-Throughput Data to Phenomenological Theory using Machine Learning: The Example of Dielectric Breakdown

著者 (3件)： KIM Chiho (Univ. Connecticut, Connecticut, USA) ,  PILANIA Ghanshyam (Los Alamos National Lab., New Mexico, USA) ,  RAMPRASAD Ramamurthy (Univ. Connecticut, Connecticut, USA)
資料名： Chemistry of Materials  (Chemistry of Materials)
巻： 28  号： 5  ページ： 1304-1311  発行年： 2016年03月08日 
JST資料番号： T0893A  ISSN： 0897-4756  CODEN： CMATEX  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 高電界耐性材料の開発では,材料のスクリーニングおよび系統的な同定作業が行われる。誘電体で作られた絶縁体が,極端な電界の影響を受けた場合,誘電破壊を含み,絶縁体の挙動を理解することが重要となる。誘電破壊を現象論的に予測するために,機械学習法の利用について検討した。絶縁体の固有の絶縁破壊に関するデータを利用して,機械学習を行った。材料の化学的性質,材料を構成する元素の原子レベルの構造や結合,モデル絶縁体の固有の絶縁破壊電界,第1原理計算から生成されたベンチマークデータセットなどを利用した。材料特性と誘電破壊の相関関係を分析的に明らかにした。高度な統計学的または機械的な学習スキームを使用することで,絶縁破壊の予測現象モデルを構築できることが分かった。高電界耐性材料の解析に利用できる。

シソーラス用語： *機械学習 ,  組織化 ,  スループット ,  *絶縁破壊 ,  モデル ,  データ解析 ,  *絶縁体 ,  化学的性質 ,  物理的性質 ,  第一原理 ,  誘電体 ,  現象論的モデル ,  改変
準シソーラス用語： ハイスループット

分類 (1件)： 絶縁材料  (NA04030W)

タイトルに関連する用語 (6件)： 機械学習 ,  組織化 ,  ハイスループット ,  現象論 ,  理論 ,  誘電破壊