論文の概要: Towards Online Steering of Flame Spray Pyrolysis Nanoparticle Synthesis
- arxiv url: http://arxiv.org/abs/2010.08486v1
- Date: Fri, 16 Oct 2020 16:38:16 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-06 21:21:59.732133
- Title: Towards Online Steering of Flame Spray Pyrolysis Nanoparticle Synthesis
- Title（参考訳）: 火炎噴霧熱分解ナノ粒子合成のオンラインステアリングに向けて
- Authors: Maksim Levental, Ryan Chard, Joseph A. Libera, Kyle Chard, Aarthi
Koripelly, Jakob R. Elias, Marcus Schwarting, Ben Blaiszik, Marius Stan,
Santanu Chaudhuri, Ian Foster
- Abstract要約: 火炎噴霧熱分解(英: Flame Spray Pyrolysis、FSP)は、エネルギー材料、合成、複合材料などへの応用を目的とした、工業化されたナノ粒子を大量生産する製造技術である。
FSP機器は、燃料噴射速度、燃料と酸素の混合、温度などの調整可能なパラメータに大きく依存しており、生成したナノ粒子の品質、量、性質に大きな影響を及ぼす可能性がある。
- 参考スコア（独自算出の注目度）: 0.5280518172740245
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Flame Spray Pyrolysis (FSP) is a manufacturing technique to mass produce
engineered nanoparticles for applications in catalysis, energy materials,
composites, and more. FSP instruments are highly dependent on a number of
adjustable parameters, including fuel injection rate, fuel-oxygen mixtures, and
temperature, which can greatly affect the quality, quantity, and properties of
the yielded nanoparticles. Optimizing FSP synthesis requires monitoring,
analyzing, characterizing, and modifying experimental conditions.Here, we
propose a hybrid CPU-GPU Difference of Gaussians (DoG)method for characterizing
the volume distribution of unburnt solution, so as to enable near-real-time
optimization and steering of FSP experiments. Comparisons against standard
implementations show our method to be an order of magnitude more efficient.
This surrogate signal can be deployed as a component of an online end-to-end
pipeline that maximizes the synthesis yield.
- Abstract（参考訳）: 火炎噴霧熱分解 (fsp) は、触媒、エネルギー材料、複合材料などへの応用のために製造されたナノ粒子を大量生産する製造技術である。
FSP機器は、燃料噴射速度、燃料と酸素の混合、温度など様々な調整可能なパラメータに大きく依存しており、得られたナノ粒子の品質、量、性質に大きな影響を与える。
fsp合成の最適化には, 実験条件の監視, 解析, キャラクタリゼーション, および修正が必要である。ここでは, 未燃焼溶液の体積分布を特徴付けるガウス法 (dog) のハイブリッド cpu-gpu 差分を提案する。
標準実装との比較により,本手法は桁違いに効率的であることが示された。
このサロゲート信号は、合成収率を最大化するオンラインエンドツーエンドパイプラインのコンポーネントとしてデプロイすることができる。
関連論文リスト
- RGFN: Synthesizable Molecular Generation Using GFlowNets [51.33672611338754]
本稿では,化学反応の空間内で直接動作するGFlowNetフレームワークの拡張であるReaction-GFlowNetを提案する。
RGFNは、生成した候補の同等の品質を維持しながら、アウト・オブ・ボックスの合成を可能にする。
提案手法の有効性を,事前訓練されたプロキシモデルやGPUアクセラレーションドッキングなど,さまざまなオラクルモデルに適用した。
論文 参考訳（メタデータ） (2024-06-01T13:11:11Z) - Spatial super-resolution in nanosensing with blinking emitters [79.16635054977068]
本稿では, 点滅型蛍光ナノセンサを用いたメロロジーにおける空間分解能向上手法を提案する。
我々は, 生活科学分野において, 画像解析技術に補完される点滅蛍光センシング剤を日常的に活用できると考えている。
論文 参考訳（メタデータ） (2024-02-27T10:38:05Z) - Iterated Denoising Energy Matching for Sampling from Boltzmann Densities [109.23137009609519]
反復Denoising Energy Matching (iDEM)
iDEMは,拡散型サンプリング装置から高モデル密度のサンプリング領域を (I) 交換し, (II) それらのサンプルをマッチング目的に使用した。
提案手法は,全測定値の最先端性能を達成し,2～5倍の速さでトレーニングを行う。
論文 参考訳（メタデータ） (2024-02-09T01:11:23Z) - Learning characteristic parameters and dynamics of centrifugal pumps under multiphase flow using physics-informed neural networks [1.6874375111244329]
本研究では,ESPシステムの流体特性,動的状態,重要なパラメータを間接的に推定する物理インフォームドニューラルネットワーク(PINN)モデルを提案する。
PINNモデルの有効性は,これらの圧力測定を入力データとして,未知の状態とパラメータを推定することによって検証した。
論文 参考訳（メタデータ） (2023-10-04T17:40:46Z) - Differentiable Modeling and Optimization of Battery Electrolyte Mixtures
Using Geometric Deep Learning [0.3141085922386211]
本研究では, 化学混合物の幾何学的深層学習モデルDiffMixを開発し, ロボット実験の指導に応用する。
DiffMixの予測精度とモデルロバスト性は、純粋にデータ駆動型よりも向上した。
ロボット実験装置であるClioでは,10段階以内の電解質のイオン伝導率を18.8%以上向上させる。
論文 参考訳（メタデータ） (2023-10-03T22:26:38Z) - Bespoke Nanoparticle Synthesis and Chemical Knowledge Discovery Via
Autonomous Experimentations [6.544041907979552]
本稿では,光学特性を目標としたナノ粒子(NP)の設計のための自律的な実験プラットフォームについて報告する。
このプラットフォームは、AI最適化モデリングのフィードバックに基づいて、NPのバッチ合成モジュールとUV-Vis分光モジュールの間をクローズループで動作させる。
優れた材料開発効率に加えて、合成変数の解析により、Ag NP合成におけるクエン酸の効果を含む新しい化学が明らかにされる。
論文 参考訳（メタデータ） (2023-09-01T09:15:04Z) - One-Dimensional Deep Image Prior for Curve Fitting of S-Parameters from
Electromagnetic Solvers [57.441926088870325]
Deep Image Prior(ディープ・イメージ・プライオリ、ディープ・イメージ・プライオリ、DIP)は、ランダムなd畳み込みニューラルネットワークの重みを最適化し、ノイズや過度な測定値からの信号に適合させる技術である。
本稿では,Vector Fitting (VF) の実装に対して,ほぼすべてのテスト例において優れた性能を示す。
論文 参考訳（メタデータ） (2023-06-06T20:28:37Z) - Machine learning enabled experimental design and parameter estimation
for ultrafast spin dynamics [54.172707311728885]
機械学習とベイズ最適実験設計(BOED)を組み合わせた方法論を提案する。
本手法は,大規模スピンダイナミクスシミュレーションのためのニューラルネットワークモデルを用いて,BOEDの正確な分布と実用計算を行う。
数値ベンチマークでは,XPFS実験の誘導,モデルパラメータの予測,実験時間内でのより情報的な測定を行う上で,本手法の優れた性能を示す。
論文 参考訳（メタデータ） (2023-06-03T06:19:20Z) - Autonomous sputter synthesis of thin film nitrides with composition
controlled by Bayesian optimization of optical plasma emission [0.0]
制御された組成を有する薄膜のスパッタ堆積のための自律的ワークフローの設計と実装について報告する。
我々は, 蛍光X線で測定したフィルム組成を, 共スパッタ中に観測された発光線の線形関数としてモデル化した。
OESに通知されたベイズ制御アルゴリズムは、スパッタリングパワーの空間をナビゲートし、ユーザ定義の組成で映画を製作する。
論文 参考訳（メタデータ） (2023-05-18T17:09:21Z) - Machine-Learning-Optimized Perovskite Nanoplatelet Synthesis [55.41644538483948]
総合成量200のCsPbBr3ナノプレート(NPL)の品質向上のためのアルゴリズムを開発した。
このアルゴリズムは、前駆率に基づいて、NPL分散のPL放出最大値を予測することができる。
論文 参考訳（メタデータ） (2022-10-18T11:54:11Z) - Characterization and Optimization of Integrated Silicon-Photonic Neural
Networks under Fabrication-Process Variations [8.690877625458324]
シリコンフォトニックニューラルネットワーク(SPNN)は、電子人工知能(AI)アクセラレーターの後継として期待されている。
SPNNの基盤となるシリコンフォトニックデバイスは、光学リソグラフィーの不完全性から生じる避けられない製造過程の変動(FPV)に敏感である。
本研究では,SPNNにおける異なるFPVに対するMZI耐性を改善するために,新しい変動認識型設計時最適化手法を提案する。
論文 参考訳（メタデータ） (2022-04-19T23:03:36Z)
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。