論文の概要: Investigation on Machine Learning Based Approaches for Estimating the
Critical Temperature of Superconductors
- arxiv url: http://arxiv.org/abs/2308.01932v1
- Date: Wed, 2 Aug 2023 17:11:50 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-07 15:12:07.430734
- Title: Investigation on Machine Learning Based Approaches for Estimating the
Critical Temperature of Superconductors
- Title（参考訳）: 超電導体の臨界温度推定のための機械学習手法の検討
- Authors: Fatin Abrar Shams, Rashed Hasan Ratul, Ahnaf Islam Naf, Syed Shaek
Hossain Samir, Mirza Muntasir Nishat, Fahim Faisal and Md. Ashraful Hoque
- Abstract要約: 本稿では,超伝導材料の複雑な特性を学習するために,積層機械学習手法を用いる。
他のアクセス可能な研究と比較すると、このモデルはRMSE 9.68とR2スコア0.922で有望な性能を示した。
- 参考スコア（独自算出の注目度）: 4.271684331748043
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Superconductors have been among the most fascinating substances, as the
fundamental concept of superconductivity as well as the correlation of critical
temperature and superconductive materials have been the focus of extensive
investigation since their discovery. However, superconductors at normal
temperatures have yet to be identified. Additionally, there are still many
unknown factors and gaps of understanding regarding this unique phenomenon,
particularly the connection between superconductivity and the fundamental
criteria to estimate the critical temperature. To bridge the gap, numerous
machine learning techniques have been established to estimate critical
temperatures as it is extremely challenging to determine. Furthermore, the need
for a sophisticated and feasible method for determining the temperature range
that goes beyond the scope of the standard empirical formula appears to be
strongly emphasized by various machine-learning approaches. This paper uses a
stacking machine learning approach to train itself on the complex
characteristics of superconductive materials in order to accurately predict
critical temperatures. In comparison to other previous accessible research
investigations, this model demonstrated a promising performance with an RMSE of
9.68 and an R2 score of 0.922. The findings presented here could be a viable
technique to shed new insight on the efficient implementation of the stacking
ensemble method with hyperparameter optimization (HPO).
- Abstract（参考訳）: 超伝導の基本的な概念や臨界温度と超伝導材料の相関は、その発見以来、広範囲にわたる研究の焦点となっている。
しかし、通常の温度での超伝導体は特定されていない。
さらに、このユニークな現象、特に超伝導と臨界温度を推定するための基本的な基準の関連について、多くの未知の要因と理解のギャップがある。
このギャップを埋めるため、決定が極めて困難であるため、臨界温度を推定するために多くの機械学習技術が確立されている。
さらに、標準経験式の範囲を超えた温度範囲を決定するための洗練され実現可能な方法の必要性は、さまざまな機械学習アプローチによって強く強調されている。
本稿では,超電導材料の複雑な特性を学習し,臨界温度を正確に予測するために,積み重ね機械学習手法を用いる。
他のアクセス可能な研究と比較すると、このモデルはRMSE 9.68とR2スコア0.922で有望な性能を示した。
この結果は,ハイパーパラメータ最適化(HPO)を用いた積み重ねアンサンブル法の効率的な実装について,新たな知見を得るための有効な手法となる可能性がある。
関連論文リスト
- Predicting ionic conductivity in solids from the machine-learned potential energy landscape [68.25662704255433]
超イオン材料は、エネルギー密度と安全性を向上させる固体電池の推進に不可欠である。
このような物質を同定するための従来の計算手法は資源集約的であり、容易ではない。
普遍的原子間ポテンシャル解析によるイオン伝導率の迅速かつ確実な評価手法を提案する。
論文 参考訳（メタデータ） (2024-11-11T09:01:36Z) - Measuring kinetic inductance and superfluid stiffness of two-dimensional superconductors using high-quality transmission-line resonators [1.9343861862849647]
本研究では, 高温超伝導共振器を用いた運動インダクタンス測定手法を提案する。
等価回路モデルを用いて, 複素導電率の運動インダクタンス, 超硬度, 貫入深さ, 虚部および実部の比を抽出する。
本手法は超伝導物理学,材料科学,量子センシングの分野の実践者にとって有用である。
論文 参考訳（メタデータ） (2024-07-13T15:26:00Z) - Superfluid stiffness of twisted multilayer graphene superconductors [1.374933941124824]
マジック角度ツイスト三層グラフェン(TTG)における$rho_s$の測定について報告する。
線形温度依存性は低温での$rho_s$と電流バイアス依存性における非線形マイスナー効果である。
その結果, TTGの能動超伝導の強い証拠が得られ, グラフェン系超伝導体の機構に強い制約が課された。
論文 参考訳（メタデータ） (2024-06-19T18:00:04Z) - Bayesian inference of composition-dependent phase diagrams [47.79947989845143]
本研究では,分子動力学(MD),融点シミュレーション,フォノン計算からの熱力学データを合成し,これらのデータを処理し,温度集中相図を生成する手法を開発した。
開発したアルゴリズムは,Ge-SiとK-Naの2つの二元系において,全濃度および温度で試験に成功した。
論文 参考訳（メタデータ） (2023-09-03T20:57:10Z) - Prediction of superconducting properties of materials based on machine
learning models [3.7492020569920723]
本論文は超伝導体同定にXGBoostモデルを用いることを提案する。
深部森林モデルによる超伝導体の臨界温度の予測
ディープフォレストの最初の応用による材料のバンドギャップの予測
フェルミエネルギーレベルを予測する最初のサブネットワークモデル。
論文 参考訳（メタデータ） (2022-11-06T10:24:21Z) - Anisotropic superconductivity of niobium based on its response to
non-magnetic disorder [0.0]
ニオブは理論上も実験的にも最も研究されている超伝導体の一つである。
合金のパワー応用に加え、純粋なニオブは感度の強い磁気センシング、高周波キャビティ、最近では超伝導量子ビットの回路金属化層として用いられる。
論文 参考訳（メタデータ） (2022-07-28T22:24:27Z) - Measurement of the Low-temperature Loss Tangent of High-resistivity
Silicon with a High Q-factor Superconducting Resonator [58.720142291102135]
温度70mKから1Kの範囲で高比抵抗(100)シリコンウェハの直接損失タンジェント測定を行った。
この測定は, 高温超伝導ニオブ共振器を利用した技術を用いて行った。
論文 参考訳（メタデータ） (2021-08-19T20:13:07Z) - Uhlmann Fidelity and Fidelity Susceptibility for Integrable Spin Chains
at Finite Temperature: Exact Results [68.8204255655161]
奇数パリティ部分空間の適切な包含は、中間温度範囲における最大忠実度感受性の向上につながることを示す。
正しい低温の挙動は、2つの最も低い多体エネルギー固有状態を含む近似によって捉えられる。
論文 参考訳（メタデータ） (2021-05-11T14:08:02Z) - Adiabatic Sensing Technique for Optimal Temperature Estimation using
Trapped Ions [64.31011847952006]
捕捉イオンを用いた最適なフォノン温度推定のための断熱法を提案する。
フォノンの熱分布に関する関連する情報は、スピンの集合的な自由度に伝達することができる。
それぞれの熱状態確率は、各スピン励起構成に近似的にマッピングされることを示す。
論文 参考訳（メタデータ） (2020-12-16T12:58:08Z) - Thermoelectricity in Quantum-Hall Corbino Structures [48.7576911714538]
量子ホール効果系におけるコルビノ構造の熱電応答を測定する。
本研究では, ランダウを部分的に充填した場合, 非常に大きな熱電冷却の効率性を示す数値を予測した。
論文 参考訳（メタデータ） (2020-03-03T19:19:28Z)
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。