Fugu-MT 論文翻訳(概要): Deep Convolutional Generative Modeling for Artificial Microstructure Development of Aluminum-Silicon Alloy

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

Efficient Symmetry-Aware Materials Generation via Hierarchical Generative Flow Networks [52.13486402193811]
新しい固体材料は、結晶構造の広大な空間を急速に探索し、安定した領域を探索する必要がある。既存の手法では、大きな材料空間を探索し、望ましい特性と要求を持った多様なサンプルを生成するのに苦労している。本研究では, 材料空間の対称性を効果的に活用し, 所望の特性を持つ結晶構造を生成するために, 階層的探索戦略を用いた新しい生成モデルを提案する。
論文参考訳（メタデータ） (2024-11-06T23:53:34Z)
GraphXForm: Graph transformer for computer-aided molecular design with application to extraction [73.1842164721868]
本稿では,デコーダのみのグラフトランスフォーマアーキテクチャであるGraphXFormについて述べる。液液抽出のための2つの溶媒設計課題について評価し,4つの最先端分子設計技術より優れていることを示した。
論文参考訳（メタデータ） (2024-11-03T19:45:15Z)
Generative Hierarchical Materials Search [91.93125016916463]
結晶構造の制御可能な生成のための生成階層材料探索(GenMS)を提案する。 GenMSは(1)高レベル自然言語を入力とし、結晶に関する中間テキスト情報を生成する言語モデルからなる。 GenMSはまた、生成された結晶構造から特性(たとえば生成エネルギー)を予測するためにグラフニューラルネットワークを使用する。
論文参考訳（メタデータ） (2024-09-10T17:51:28Z)
Scalable Diffusion for Materials Generation [99.71001883652211]
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)
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。