論文の概要: TopTemp: Parsing Precipitate Structure from Temper Topology

• arxiv url: http://arxiv.org/abs/2204.00629v1
• Date: Fri, 1 Apr 2022 16:02:10 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-05 14:10:04.584309
• Title: TopTemp: Parsing Precipitate Structure from Temper Topology
• Title（参考訳）: TopTemp: テンポロジからの沈殿物構造の解析
• Authors: Lara Kassab, Scott Howland, Henry Kvinge, Keerti Sahithi Kappagantula, Tegan Emerson
• Abstract要約: そこで我々は,TopTempと呼ばれる走査型電子顕微鏡で観察したテンパー(熱処理)依存材料ミクロ構造のトポロジカル表現について述べる。 このトポロジカルな表現は、データ制限された環境での微細構造のより温和な分類をサポートし、以前は見られていなかったサンプルをうまく一般化し、画像の摂動に頑健であり、ドメインの解釈可能な特徴を捉えることができることを示す。
• 参考スコア（独自算出の注目度）: 1.5234614694413722
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Technological advances are in part enabled by the development of novel manufacturing processes that give rise to new materials or material property improvements. Development and evaluation of new manufacturing methodologies is labor-, time-, and resource-intensive expensive due to complex, poorly defined relationships between advanced manufacturing process parameters and the resulting microstructures. In this work, we present a topological representation of temper (heat-treatment) dependent material micro-structure, as captured by scanning electron microscopy, called TopTemp. We show that this topological representation is able to support temper classification of microstructures in a data limited setting, generalizes well to previously unseen samples, is robust to image perturbations, and captures domain interpretable features. The presented work outperforms conventional deep learning baselines and is a first step towards improving understanding of process parameters and resulting material properties.
• Abstract（参考訳）: 技術進歩の一部は、新しい材料や材料特性の改善をもたらす新しい製造プロセスの開発によって実現されている。 新しい製造手法の開発と評価は、高度な製造プロセスパラメータと結果として得られるミクロ組織との間の複雑で不明確な関係のため、労働、時間、資源集約的なコストである。 本研究では,TopTempと呼ばれる走査型電子顕微鏡で観察した温熱処理による材料微細構造のトポロジカル表現について述べる。 このトポロジカルな表現は、データ制限された環境での微細構造の温和な分類をサポートし、これまで見られなかったサンプルをうまく一般化し、画像の摂動に頑健であり、ドメインの解釈可能な特徴を捉えることができる。 本研究は,従来の深層学習のベースラインよりも優れており,プロセスパラメータの理解と材料特性の向上に向けた第一歩である。

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)
• Mechanical Characterization and Inverse Design of Stochastic Architected Metamaterials Using Neural Operators [2.4918888803900727]
  機械学習は、建築された材料の設計のための変革的なツールとして登場しつつある。 ここでは、ディープニューラル演算子(DeepONet)を活用した、エンドツーエンドの科学MLフレームワークを紹介する。 2光子リソグラフィーを用いて印刷した脊椎の微細構造から得られた結果,機械的応答の予測誤差が5～10%の範囲内であることが判明した。
  論文  参考訳（メタデータ） (2023-11-23T05:23:15Z)
• 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)
• DA-VEGAN: Differentiably Augmenting VAE-GAN for microstructure reconstruction from extremely small data sets [110.60233593474796]
  DA-VEGANは2つの中心的なイノベーションを持つモデルである。 $beta$-variational autoencoderはハイブリッドGANアーキテクチャに組み込まれている。 このアーキテクチャに特化して、独自の差別化可能なデータ拡張スキームが開発されている。
  論文  参考訳（メタデータ） (2023-02-17T08:49:09Z)
• Parameters, Properties, and Process: Conditional Neural Generation of Realistic SEM Imagery Towards ML-assisted Advanced Manufacturing [1.5234614694413722]
  我々は,条件付き生成対向ネットワーク(GAN)を走査型電子顕微鏡(SEM)画像に適用することにより,先行研究を構築した。 我々は, テンパと実験パラメータ, 材料特性を条件とした現実的な画像を生成する。 この研究は、製造プロセスを理解するための根本的に新しいアプローチの技術的バックボーンを形成する。
  論文  参考訳（メタデータ） (2023-01-13T00:48:39Z)
• Computer Vision Methods for the Microstructural Analysis of Materials: The State-of-the-art and Future Perspectives [0.4595477728342621]
  本稿では, マルチスケール画像解析に応用された最先端CNN技術について概説する。 材料科学研究へのこれらの手法の適用に関する主な課題を同定する。
  論文  参考訳（メタデータ） (2022-07-29T15:27:47Z)
• Video-based Facial Micro-Expression Analysis: A Survey of Datasets, Features and Algorithms [52.58031087639394]
  マイクロ表現は不随意かつ過渡的な表情である。 嘘検出や犯罪検出など、幅広い応用において重要な情報を提供することができる。 マイクロ表現は過渡的で低強度であるため、検出と認識は困難であり、専門家の経験に大きく依存する。
  論文  参考訳（メタデータ） (2022-01-30T05:14:13Z)
• Structure-Aware Feature Generation for Zero-Shot Learning [108.76968151682621]
  潜在空間と生成ネットワークの両方を学習する際の位相構造を考慮し,SA-GANと呼ばれる新しい構造認識特徴生成手法を提案する。 本手法は,未確認クラスの一般化能力を大幅に向上させ,分類性能を向上させる。
  論文  参考訳（メタデータ） (2021-08-16T11:52:08Z)
• Establishing process-structure linkages using Generative Adversarial Networks [0.0]
  本稿では,GAN(Generative Adversarial Network)を開発した。 その結果, GANモデルは, 与えられた処理条件と良好な相関性を有する高忠実度多相構造を生成できることが示唆された。
  論文  参考訳（メタデータ） (2021-07-20T10:49:38Z)
• 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)

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。