論文の概要: Deep Convolutional Generative Modeling for Artificial Microstructure
Development of Aluminum-Silicon Alloy
- arxiv url: http://arxiv.org/abs/2109.06635v1
- Date: Mon, 6 Sep 2021 05:59:06 GMT
- ステータス: 処理完了
- システム内更新日: 2021-09-19 13:44:32.767256
- Title: Deep Convolutional Generative Modeling for Artificial Microstructure
Development of Aluminum-Silicon Alloy
- Title(参考訳): アルミニウム-シリコン合金の人工組織形成のための深い畳み込み生成モデル
- Authors: Akshansh Mishra and Tarushi Pathak
- Abstract要約: アルミニウム-シリコン合金の人工組織構築に, 深部生成モデリングを適用した。
Deep Generative Adversarial Networksは、与えられた微細構造画像データセットの人工的微細構造の開発に使用されている。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Machine learning which is a sub-domain of an Artificial Intelligence which is
finding various applications in manufacturing and material science sectors. In
the present study, Deep Generative Modeling which a type of unsupervised
machine learning technique has been adapted for the constructing the artificial
microstructure of Aluminium-Silicon alloy. Deep Generative Adversarial Networks
has been used for developing the artificial microstructure of the given
microstructure image dataset. The results obtained showed that the developed
models had learnt to replicate the lining near the certain images of the
microstructures.
- Abstract(参考訳): 人工知能のサブドメインである機械学習は、製造分野や材料科学分野に様々な応用を見出している。
本研究では, アルミニウム-シリコン合金の人工組織を構築するために, 教師なし機械学習技術を用いた深部生成モデルを構築した。
Deep Generative Adversarial Networksは、与えられた微細構造画像データセットの人工的微細構造の開発に使用されている。
その結果, 構築したモデルでは, 微細構造の特定の像の近傍のライニングを再現できることが判明した。
関連論文リスト
- Scalable Diffusion for Materials Generation [110.39595661627155]
我々は任意の結晶構造(ユニマット)を表現できる統一された結晶表現を開発する。
UniMatはより大型で複雑な化学系から高忠実度結晶構造を生成することができる。
材料の生成モデルを評価するための追加指標を提案する。
論文 参考訳(メタデータ) (2023-10-18T15:49:39Z) - Deep-Learning Quantitative Structural Characterization in Additive
Manufacturing [0.0]
本研究では, 添加物や部品のキー特性を構造解析する手法を開発した。
本手法は、画像から画像への変換条件付き生成逆ニューラルネットワークアーキテクチャに基づくディープラーニングを利用する。
本手法の拡張は,添加物製造のリアルタイム制御のために開発された機械学習モデルの人工知能実装に対処するために提案される。
論文 参考訳(メタデータ) (2023-01-20T17:59:45Z) - LS-DYNA Machine Learning-based Multiscale Method for Nonlinear Modeling
of Short Fiber-Reinforced Composites [7.891561501854125]
短繊維強化複合材料(英: short-fiber-reinforceed Composites、SFRC)は、自動車やエレクトロニクス産業における軽量構造応用のための高性能な工学材料である。
本研究では, 射出成形による微細構造, 材料均質化, 深層材料ネットワーク(DMN)を統合し, SFRCの構造解析を行う機械学習によるマルチスケール手法を提案する。
論文 参考訳(メタデータ) (2023-01-06T22:33:19Z) - How to See Hidden Patterns in Metamaterials with Interpretable Machine
Learning [82.67551367327634]
我々は,材料単位セルのパターンを見つけるための,解釈可能な多分解能機械学習フレームワークを開発した。
具体的には、形状周波数特徴と単位セルテンプレートと呼ばれるメタマテリアルの2つの新しい解釈可能な表現を提案する。
論文 参考訳(メタデータ) (2021-11-10T21:19:02Z) - On the Exploitation of Neuroevolutionary Information: Analyzing the Past
for a More Efficient Future [60.99717891994599]
本稿では,神経進化過程から情報を抽出し,メタモデルを構築するアプローチを提案する。
本稿では, 異なる特徴を有する生成的対向ネットワークの神経進化的探索における最良の構造について検討する。
論文 参考訳(メタデータ) (2021-05-26T20:55:29Z) - Towards creativity characterization of generative models via group-based
subset scanning [51.84144826134919]
創造的プロセスを定量化し,検出し,特徴付けるグループベースサブセットスキャンを提案する。
創造的なサンプルは、データセットをまたいだ通常または非創造的なサンプルよりも大きな異常のサブセットを生成する。
論文 参考訳(メタデータ) (2021-04-01T14:07:49Z) - MOGAN: Morphologic-structure-aware Generative Learning from a Single
Image [59.59698650663925]
近年,1つの画像のみに基づく生成モデルによる完全学習が提案されている。
多様な外観のランダムなサンプルを生成するMOGANというMOrphologic-structure-aware Generative Adversarial Networkを紹介します。
合理的な構造の維持や外観の変化など、内部機能に重点を置いています。
論文 参考訳(メタデータ) (2021-03-04T12:45:23Z) - Artificial Intelligence Advances for De Novo Molecular Structure
Modeling in Cryo-EM [1.6301630538569722]
低温電子顕微鏡(cryo-EM)は、大きなタンパク質複合体と分子集合体の構造を決定するための主要な実験技術となっている。
機械学習(ML)とディープラーニング(DL)は、マクロ分子構造モデリングにおいて最も優れた手法である。
このレビューは、デノボ分子構造モデリングのための人工知能に関する最新の研究の入門ガイドを提供する。
論文 参考訳(メタデータ) (2021-02-11T17:06:20Z) - Image-driven discriminative and generative machine learning algorithms
for establishing microstructure-processing relationships [0.49259062564301753]
我々は、画像認識、キャラクタリゼーション、予測機能構築のための改良された機械学習アプローチを開発する。
核燃料として現在開発中の二元合金(ウラニウムモリブデン)について検討した。
F1スコア95.1%は10の異なる熱力学的材料処理条件に対応するマイクログラフを区別するために達成された。
論文 参考訳(メタデータ) (2020-07-27T10:36:18Z) - 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) - Intelligent multiscale simulation based on process-guided composite
database [0.0]
本稿では、プロセスモデリング、材料均質化、機械学習に基づく統合データ駆動モデリングフレームワークを提案する。
我々は, 自動車, 航空宇宙, エレクトロニクス産業において重要な材料システムとして認識されてきた, 射出成形した短繊維強化複合材料に興味を持っている。
論文 参考訳(メタデータ) (2020-03-20T20:39:19Z)
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。