論文の概要: Genomic Materials Design: CALculation of PHAse Dynamics
- arxiv url: http://arxiv.org/abs/2305.05060v1
- Date: Mon, 8 May 2023 21:34:33 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-10 14:21:50.006040
- Title: Genomic Materials Design: CALculation of PHAse Dynamics
- Title（参考訳）: ゲノム材料設計:PHAse Dynamicsの計算
- Authors: G. B Olson and Z. K. Liu
- Abstract要約: 現在Material Genomeとして知られる基本的なフェーズレベルのデータベースのCALPHADシステムは、計算材料の設計と資格の成熟した技術を可能にしている。
QuesTek Innovationsによって最初に商業化されたこの手法は、新しい材料組成とプロセス仕様の効率的なゲノムレベルのパラメトリック設計を組み合わせたものである。
これらの新機能の米国頂点企業による急速な採用により、材料設計と開発サイクルは2年以内に圧縮された。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The CALPHAD system of fundamental phase-level databases, now known as the
Materials Genome, has enabled a mature technology of computational materials
design and qualification that has already met the acceleration goals of the
national Materials Genome Initiative. As first commercialized by QuesTek
Innovations, the methodology combines efficient genomic-level parametric design
of new material composition and process specifications with multidisciplinary
simulation-based forecasting of manufacturing variation, integrating efficient
uncertainty management. Recent projects demonstrated under the
multi-institutional CHiMaD Design Center notably include novel alloys designed
specifically for the new technology of additive manufacturing. With the proven
success of the CALPHAD-based Materials Genome technology, current university
research emphasizes new methodologies for affordable accelerated expansion of
more accurate CALPHAD databases. Rapid adoption of these new capabilities by US
apex corporations has compressed the materials design and development cycle to
under 2 years, enabling a new "materials concurrency" integrated into a new
level of concurrent engineering supporting an unprecedented level of
manufacturing innovation.
- Abstract（参考訳）: 基本相レベルデータベースのCALPHADシステムは、現在Material Genomeとして知られているが、すでに国家材料ゲノムイニシアチブの加速目標を満たしている計算材料設計と資格の成熟した技術を実現している。
QuesTek Innovationsによって最初に商業化されたこの手法は、新しい材料組成とプロセス仕様の効率的なゲノムレベルのパラメトリック設計と、製造変動の多分野シミュレーションに基づく予測を組み合わせ、効率的な不確実性管理を統合する。
キマッド設計センターで実証された最近のプロジェクトは、特に添加物製造の新しい技術のために設計された新しい合金を含んでいる。
CALPHADベースのMaterial Genome技術の成功により、現在の大学の研究はより正確なCALPHADデータベースを安価に拡張するための新しい手法を強調している。
アメリカの頂点企業によるこれらの新機能の急速な採用により、材料設計と開発サイクルは2年以内に圧縮され、新しい「材料並行性」が、前例のない製造革新のレベルをサポートする新しいレベルの並行エンジニアリングに統合された。
関連論文リスト
- Automatic Feature Recognition and Dimensional Attributes Extraction From CAD Models for Hybrid Additive-Subtractive Manufacturing [0.0]
本稿では,加法および減算加工の両方に関連する特徴を含む合成CADデータセットを作成するための新しいアプローチを提案する。
階層型グラフ畳み込みニューラルネットワーク (HGCNN) モデルは, 合成加法-減算的特徴を正確に識別するために実装されている。
提案モデルでは,特徴認識精度が97%を超え,特徴抽出精度が100%以上であることを示す。
論文 参考訳（メタデータ） (2024-08-13T13:38:32Z) - Sustainable Diffusion-based Incentive Mechanism for Generative AI-driven Digital Twins in Industrial Cyber-Physical Systems [65.22300383287904]
産業用サイバー物理システム(ICPS)は、現代の製造業と産業にとって不可欠なコンポーネントである。
製品ライフサイクルを通じてデータをデジタル化することで、ICPSのDigital Twins(DT)は、現在の産業インフラからインテリジェントで適応的なインフラへの移行を可能にします。
産業用IoT(Industrial Internet of Things, IIoT)デバイスを利用すれば、DTを構築するためのデータを共有するメカニズムは、悪い選択問題の影響を受けやすい。
論文 参考訳（メタデータ） (2024-08-02T10:47:10Z) - Integrating knowledge-guided symbolic regression and model-based design of experiments to automate process flow diagram development [36.06887518967866]
グローバルな定式化製品市場で成功するためには、新しい製品を迅速に定式化しなければならない。
キープロダクトインジケータ(KPI)は複雑で、化学組成や処理履歴がよく理解されていない機能である。
本研究は,プロセス機構の自動定量化のための新しいデジタルフレームワークを提案する。
論文 参考訳（メタデータ） (2024-05-07T18:10:54Z) - Mechanistic Design and Scaling of Hybrid Architectures [114.3129802943915]
我々は、様々な計算プリミティブから構築された新しいハイブリッドアーキテクチャを特定し、テストする。
本研究では,大規模計算最適法則と新しい状態最適スケーリング法則解析を用いて,結果のアーキテクチャを実験的に検証する。
我々は,MAD合成法と計算-最適パープレキシティを相関させ,新しいアーキテクチャの正確な評価を可能にする。
論文 参考訳（メタデータ） (2024-03-26T16:33:12Z) - Quantum Computing Enhanced Service Ecosystem for Simulation in Manufacturing [56.61654656648898]
本稿では,製造シミュレーションのための量子コンピューティングによるサービスエコシステムの枠組みを提案する。
我々は,これらの新しい計算パラダイムを定量的に評価することを目的とした2つの高価値ユースケースを分析した。
論文 参考訳（メタデータ） (2024-01-19T11:04:14Z) - Functional Nanomaterials Design in the Workflow of Building
Machine-Learning Models [0.0]
機械学習(ML)技術は、化学と材料科学の多くの研究分野に革命をもたらした。
MLは、分子/物質の組み合わせに関するより包括的な洞察を提供する。
ナノマテリアル発見の進歩の鍵は、入力指紋と出力値を定量的にリンクする方法である。
論文 参考訳（メタデータ） (2021-08-16T05:51:03Z) - Advanced Multi-Variate Analysis Methods for New Physics Searches at the
Large Hadron Collider [72.34476433304168]
ava4newphysicsは、高度多変量解析法と統計学習ツールの高エネルギー物理学問題へのカスタマイズと応用を研究した。
これらの手法の多くは、CERNにおけるATLASおよびCMS実験によるデータ解析の感度向上に成功している。
テスト段階にある他のいくつかは、基礎物理学パラメータの測定の精度と新しい現象の探索の到達範囲をさらに改善することを約束している。
論文 参考訳（メタデータ） (2021-05-16T22:20:30Z) - Qlib: An AI-oriented Quantitative Investment Platform [86.8580406876954]
AI技術は、量的投資システムに新たな課題を提起した。
Qlibは、その可能性の実現、研究の強化、定量的投資におけるAIテクノロジの価値の創造を目的とする。
論文 参考訳（メタデータ） (2020-09-22T12:57:10Z) - 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。