論文の概要: Unsupervised learning for structure detection in plastically deformed
crystals
- arxiv url: http://arxiv.org/abs/2212.14813v1
- Date: Thu, 22 Dec 2022 14:17:32 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-09 05:35:16.105060
- Title: Unsupervised learning for structure detection in plastically deformed
crystals
- Title(参考訳): 塑性変形結晶の構造検出のための教師なし学習
- Authors: Armand Barbot, Riccardo Gatti
- Abstract要約: 塑性変形下で結晶内構造を自動的に検出する教師なし学習アルゴリズムを提案する。
結合角分布に基づく局所パラメータを用いて,従来の手作り基準よりも高い精度で,より多くの構造を検出できることを示す。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Detecting structures at the particle scale within plastically deformed
crystalline materials allows a better understanding of the occurring phenomena.
While previous approaches mostly relied on applying hand-chosen criteria on
different local parameters, these approaches could only detect already known
structures.We introduce an unsupervised learning algorithm to automatically
detect structures within a crystal under plastic deformation. This approach is
based on a study developed for structural detection on colloidal materials.
This algorithm has the advantage of being computationally fast and easy to
implement. We show that by using local parameters based on bond-angle
distributions, we are able to detect more structures and with a higher degree
of precision than traditional hand-made criteria.
- Abstract(参考訳): 塑性変形した結晶材料中の粒子スケールの構造を検出することは、発生現象をよりよく理解する。
従来の手法では, 様々な局所パラメータにハンドチョン基準を適用することが多かったが, 既に知られている構造のみを検出できるため, 塑性変形下で結晶内の構造を自動的に検出する教師なし学習アルゴリズムを導入する。
このアプローチはコロイド材料の構造検出のために開発された研究に基づいている。
このアルゴリズムは計算が高速で実装が容易であるという利点がある。
ボンド角分布に基づく局所パラメータを用いることで,従来の手作り基準よりも高い精度で,より多くの構造を検出できることを示す。
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) - Latent Conservative Objective Models for Data-Driven Crystal Structure
Prediction [62.36797874900395]
計算化学において、結晶構造予測は最適化問題である。
この問題に対処する1つのアプローチは、密度汎関数理論(DFT)に基づいてシミュレータを構築し、続いてシミュレーションで探索を実行することである。
我々は,LCOM(最近の保守的客観モデル)と呼ばれる我々の手法が,構造予測の成功率の観点から,最も優れたアプローチと同等に機能することを示す。
論文 参考訳(メタデータ) (2023-10-16T04:35:44Z) - Atomic structure generation from reconstructing structural fingerprints [1.2128971613239876]
本稿では、原子中心対称性関数を表現として、条件付き変分オートエンコーダを生成モデルとして、エンドツーエンド構造生成手法を提案する。
我々は、概念実証として、サブナノメーターPtナノ粒子の新規で有効な原子構造を生成することに成功した。
論文 参考訳(メタデータ) (2022-07-27T00:42:59Z) - Amortized Inference for Causal Structure Learning [72.84105256353801]
因果構造を学習することは、通常、スコアまたは独立テストを使用して構造を評価することを伴う探索問題を引き起こす。
本研究では,観測・干渉データから因果構造を予測するため,変分推論モデルを訓練する。
我々のモデルは、実質的な分布シフトの下で頑健な一般化能力を示す。
論文 参考訳(メタデータ) (2022-05-25T17:37:08Z) - Inferring topological transitions in pattern-forming processes with
self-supervised learning [25.90630151217217]
我々は、ニューラルネットワークを用いて観察されたミクロ構造からプロセスパラメータを予測するために、自己教師型アプローチを用いる。
この予測課題の実行の難しさは, ミクロ構造機構の発見の目標と関係していることを示す。
このアプローチは、目に見えない、あるいは検出しにくい遷移状態を発見し、理解するための、有望な道を開く。
論文 参考訳(メタデータ) (2022-03-19T00:47:50Z) - Tracking perovskite crystallization via deep learning-based feature
detection on 2D X-ray scattering data [137.47124933818066]
本稿では,より高速なR-CNN深層学習アーキテクチャに基づくX線回折画像の自動解析パイプラインを提案する。
有機-無機ペロブスカイト構造の結晶化をリアルタイムに追跡し, 2つの応用で検証した。
論文 参考訳(メタデータ) (2022-02-22T15:39:00Z) - Disentangling multiple scattering with deep learning: application to
strain mapping from electron diffraction patterns [48.53244254413104]
我々は、高非線形電子回折パターンを定量的構造因子画像に変換するために、FCU-Netと呼ばれるディープニューラルネットワークを実装した。
結晶構造の異なる組み合わせを含む20,000以上のユニークな動的回折パターンを用いてFCU-Netを訓練した。
シミュレーションされた回折パターンライブラリ、FCU-Netの実装、訓練されたモデルの重み付けは、オープンソースリポジトリで自由に利用可能です。
論文 参考訳(メタデータ) (2022-02-01T03:53:39Z) - 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) - Crystal structure prediction of materials with high symmetry using
differential evolution [0.5249805590164902]
本稿では, 遺伝的アルゴリズムを用いて, 予測された構造物の接点マップと実構造物の接点マップとのマッチングを最大化するために, 接点マップに基づく結晶構造予測法を提案する。
結晶構造を高対称性で予測する際、大域最適化アルゴリズムは化学式を満たすWPの効果的な組み合わせを見つけるのが困難であることがわかった。
提案するアルゴリズムCMCrystalHSは,不整合接触地図次元の問題を効果的に解き,高対称性の結晶構造を予測できる。
論文 参考訳(メタデータ) (2021-04-20T05:10:19Z) - Wave based damage detection in solid structures using artificial neural
networks [0.02294014185517203]
本稿では,ニューラルネットワークが構造特性の初期あるいは変化を認識する能力について考察する。
CNNモデルは、構造物内の亀裂発生後の伝播波場の変化を特定するために使用される。
モデルのトレーニングにはまだ時間がかかるが,提案手法は新たなひび割れ検出や構造的健康モニタリング手法として大きな可能性を秘めている。
論文 参考訳(メタデータ) (2021-03-30T13:31:50Z) - On Open and Strong-Scaling Tools for Atom Probe Crystallography:
High-Throughput Methods for Indexing Crystal Structure and Orientation [0.0]
体積結晶構造インデクシングと配向マッピングは空間相関の定量的研究のための重要なデータ処理ステップである。
原子プローブトモグラフィー(APT)実験では、多くのAPTデータセットが大きなノイズを含む可能性があるため、測定されたパターンと解析されたパターンの比較戦略はより堅牢である。
複数の位相を持つナノ結晶APTデータセットにおける結晶構造と結晶配向の同定と自動同定のためのオープンソースソフトウェアツールの開発を可能にする方法について報告する。
論文 参考訳(メタデータ) (2020-09-01T22:50:03Z)
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。