論文の概要: Numerical simulation, clustering and prediction of multi-component polymer precipitation

• arxiv url: http://arxiv.org/abs/2007.07276v2
• Date: Wed, 26 Aug 2020 05:52:10 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-11 22:00:57.368698
• Title: Numerical simulation, clustering and prediction of multi-component polymer precipitation
• Title（参考訳）: 多成分高分子析出の数値シミュレーション,クラスタリングおよび予測
• Authors: Pavan Inguva, Lachlan Mason, Indranil Pan, Miselle Hengardi, Omar K. Matar
• Abstract要約: 多成分ポリマー系は、有機太陽電池およびドラッグデリバリー用途に関心がある。 我々は、ポリマーの沈殿をシミュレートするために、改良されたカーン・ヒリアードモデルを用いる。 計算コストを削減するため、シミュレーションしたポリマーブレンド画像のクラスタリングとそれに伴う予測に機械学習技術を適用した。
• 参考スコア（独自算出の注目度）: 0.7349727826230861
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Multi-component polymer systems are of interest in organic photovoltaic and drug delivery applications, among others where diverse morphologies influence performance. An improved understanding of morphology classification, driven by composition-informed prediction tools, will aid polymer engineering practice. We use a modified Cahn-Hilliard model to simulate polymer precipitation. Such physics-based models require high-performance computations that prevent rapid prototyping and iteration in engineering settings. To reduce the required computational costs, we apply machine learning techniques for clustering and consequent prediction of the simulated polymer blend images in conjunction with simulations. Integrating ML and simulations in such a manner reduces the number of simulations needed to map out the morphology of polymer blends as a function of input parameters and also generates a data set which can be used by others to this end. We explore dimensionality reduction, via principal component analysis and autoencoder techniques, and analyse the resulting morphology clusters. Supervised machine learning using Gaussian process classification was subsequently used to predict morphology clusters according to species molar fraction and interaction parameter inputs. Manual pattern clustering yielded the best results, but machine learning techniques were able to predict the morphology of polymer blends with $\geq$ 90 $\%$ accuracy.
• Abstract（参考訳）: 多成分ポリマー系は、様々な形態が性能に影響を及ぼす有機光電・薬物デリバリー用途に関心がある。 合成インフォームド予測ツールによって駆動されるモルフォロジー分類の理解が向上し、高分子工学の実践に役立つ。 ポリマーの沈殿をシミュレートするために改良されたcahn-hilliardモデルを用いる。 このような物理ベースのモデルは、工学的な設定において、高速なプロトタイピングと反復を防ぐ高性能な計算を必要とする。 必要な計算コストを削減するために,シミュレーションと並行してシミュレーションしたポリマーブレンド画像のクラスタリングと連続予測に機械学習技術を適用する。 このような方法でmlとシミュレーションを統合することで、ポリマーブレンドのモルフォロジーを入力パラメータの関数としてマッピングするために必要なシミュレーションの数を削減し、他の人が使用できるデータセットを生成することができる。 主成分分析とオートエンコーダ技術を用いて次元の縮小を探求し, 得られた形態素クラスターを解析した。 ガウス過程分類を用いた教師付き機械学習は, 種数と相互作用パラメータ入力による形態学的クラスターの予測に用いられた。 手動パターンクラスタリングは最良の結果を得たが、機械学習技術ではポリマーブレンドのモルフォロジーを90ドルの精度で予測することができた。

関連論文リスト

• A Realistic Simulation Framework for Analog/Digital Neuromorphic Architectures [73.65190161312555]
  ARCANAは、混合信号ニューロモルフィック回路の特性を考慮に入れたスパイクニューラルネットワークシミュレータである。 その結果,ソフトウェアでトレーニングしたスパイクニューラルネットワークの挙動を,信頼性の高い推定結果として提示した。
  論文  参考訳（メタデータ） (2024-09-23T11:16:46Z)
• Extrapolative ML Models for Copolymers [1.901715290314837]
  機械学習モデルは、材料特性の予測に徐々に使われてきた。 これらのモデルは本質的に補間的であり、物質の既知の特性範囲外の候補を探索するための有効性は未解決である。 本稿では,MLモデルの外挿能力,トレーニングデータセットのサイズと範囲,学習アプローチとの関係について検討する。
  論文  参考訳（メタデータ） (2024-09-15T11:02:01Z)
• A Multi-Grained Symmetric Differential Equation Model for Learning Protein-Ligand Binding Dynamics [73.35846234413611]
  薬物発見において、分子動力学(MD)シミュレーションは、結合親和性を予測し、輸送特性を推定し、ポケットサイトを探索する強力なツールを提供する。 我々は,数値MDを容易にし,タンパク質-リガンド結合ダイナミクスの正確なシミュレーションを提供する,最初の機械学習サロゲートであるNeuralMDを提案する。 従来の数値MDシミュレーションと比較して1K$times$ Speedupを実現することにより,NeuralMDの有効性と有効性を示す。
  論文  参考訳（メタデータ） (2024-01-26T09:35:17Z)
• Enhancing Mechanical Metamodels with a Generative Model-Based Augmented Training Dataset [0.7734726150561089]
  組織の機械的挙動を定義する上で重要な役割を果たしているミクロ構造パターンをシミュレートすることは困難である。 本研究では,限られた入力パターンデータセットを増大させるツールとして,機械学習に基づく生成モデルの有効性について検討する。 Cahn-Hilliardパターンに基づく有限要素解析シミュレーションのオープンアクセスデータセットを作成しました。
  論文  参考訳（メタデータ） (2022-03-08T16:15:54Z)
• GeoMol: Torsional Geometric Generation of Molecular 3D Conformer Ensembles [60.12186997181117]
  分子グラフからの分子の3Dコンホメーラーアンサンブルの予測は、化学情報学と薬物発見の領域において重要な役割を担っている。 既存の生成モデルは、重要な分子幾何学的要素のモデリングの欠如を含むいくつかの欠点がある。 エンド・ツー・エンド、非自己回帰、SE(3)不変の機械学習手法であるGeoMolを提案し、3Dコンバータを生成する。
  論文  参考訳（メタデータ） (2021-06-08T14:17:59Z)
• Model-data-driven constitutive responses: application to a multiscale computational framework [0.0]
  古典法則(モデルベース)、データ駆動補正コンポーネント、計算的マルチスケールアプローチを組み合わせたハイブリッド方法論が提示される。 非線形数値均質化法により得られた低スケールのデータを用いてモデルベース材料表現を局所的に改善する。 提案手法では,モデルとデータの両方が基本的な役割を担い,物理に基づく応答と機械学習のブラックボックスの相乗的統合を実現する。
  論文  参考訳（メタデータ） (2021-04-06T16:34:46Z)
• Using Data Assimilation to Train a Hybrid Forecast System that Combines Machine-Learning and Knowledge-Based Components [52.77024349608834]
  利用可能なデータがノイズの多い部分測定の場合,カオスダイナミクスシステムのデータ支援予測の問題を検討する。 動的システムの状態の部分的測定を用いることで、不完全な知識ベースモデルによる予測を改善するために機械学習モデルを訓練できることを示す。
  論文  参考訳（メタデータ） (2021-02-15T19:56:48Z)
• Surface Warping Incorporating Machine Learning Assisted Domain Likelihood Estimation: A New Paradigm in Mine Geology Modelling and Automation [68.8204255655161]
  新たに取得した破砕孔データによって課される地球化学的および空間的制約に基づいて, モデル表面を再構成するバイーシアンワープ法が提案されている。 本稿では,このワーピングフレームワークに機械学習を組み込むことにより,可能性の一般化を図る。 その基礎は、p(g|c) が p(y(c)|g と似た役割を果たすような地質領域の確率のベイズ計算によって構成される。
  論文  参考訳（メタデータ） (2021-02-15T10:37:52Z)
• Predictive modeling approaches in laser-based material processing [59.04160452043105]
  本研究の目的は,レーザー加工が材料構造に及ぼす影響を自動予測することである。 その焦点は、統計的および機械学習の代表的なアルゴリズムのパフォーマンスに焦点を当てている。 結果は、材料設計、テスト、生産コストを削減するための体系的な方法論の基礎を設定することができる。
  論文  参考訳（メタデータ） (2020-06-13T17:28:52Z)
• Representations of molecules and materials for interpolation of quantum-mechanical simulations via machine learning [0.0]
  第一原理から分子や物質の計算的研究は、物理学、化学、材料科学の基盤となっている。 多くのシミュレーションを含む設定では、機械学習は参照シミュレーション間の補間によってこれらのコストを、しばしば桁違いに削減することができる。 我々は、統一された数学的枠組みを用いて、現在の表現とそれらの関係を包括的にレビューし、議論する。
  論文  参考訳（メタデータ） (2020-03-26T18:01:35Z)
• A Comparative Study of Machine Learning Models for Predicting the State of Reactive Mixing [0.0]
  反応混合の正確な予測は多くの地球および環境科学問題にとって重要である。 高速で可逆な二分子反応拡散のシナリオを解決するために,高忠実な有限要素法に基づく数値モデルを構築した。 モデル入力パラメータの異なるセットを用いて2,315のシミュレーションを行う。
  論文  参考訳（メタデータ） (2020-02-24T22:50:19Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。