論文の概要: Unsupervised Learning of Nanoindentation Data to Infer Microstructural
Details of Complex Materials
- arxiv url: http://arxiv.org/abs/2309.06613v1
- Date: Tue, 12 Sep 2023 21:45:33 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-14 16:12:33.640376
- Title: Unsupervised Learning of Nanoindentation Data to Infer Microstructural
Details of Complex Materials
- Title(参考訳): ナノインデンテーションデータの教師なし学習による複合材料の微細構造の詳細推定
- Authors: Chen Zhang, Cl\'emence Bos, Stefan Sandfeld, Ruth Schwaiger
- Abstract要約: Cu-Cr複合材料をナノインデンテーションにより研究した。
教師なし学習技術を用いてデータを解析した。
データ量が適切かどうかを判断するためにクロスバリデーションを導入した。
- 参考スコア(独自算出の注目度): 4.771578529731914
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: In this study, Cu-Cr composites were studied by nanoindentation. Arrays of
indents were placed over large areas of the samples resulting in datasets
consisting of several hundred measurements of Young's modulus and hardness at
varying indentation depths. The unsupervised learning technique, Gaussian
mixture model, was employed to analyze the data, which helped to determine the
number of "mechanical phases" and the respective mechanical properties.
Additionally, a cross-validation approach was introduced to infer whether the
data quantity was adequate and to suggest the amount of data required for
reliable predictions -- one of the often encountered but difficult to resolve
issues in machine learning of materials science problems.
- Abstract(参考訳): 本研究では,Cu-Cr複合材料をナノインデンテーションにより研究した。
試料の広い領域に多数のインデントが配置され、結果として数百のヤング率と様々なインデント深さの硬さの測定結果が得られた。
教師なし学習手法であるガウス混合モデルを用いてデータを解析し、「機械的位相」の数とそれぞれの機械的特性を決定するのに役立った。
さらに、データ量が適切かどうかを判断し、信頼できる予測に必要なデータ量を提案するために、クロスバリデーションアプローチが導入された。
関連論文リスト
- Seeing Unseen: Discover Novel Biomedical Concepts via
Geometry-Constrained Probabilistic Modeling [53.7117640028211]
同定された問題を解決するために,幾何制約付き確率的モデリング処理を提案する。
構成された埋め込み空間のレイアウトに適切な制約を課すために、重要な幾何学的性質のスイートを組み込む。
スペクトルグラフ理論法は、潜在的な新規クラスの数を推定するために考案された。
論文 参考訳(メタデータ) (2024-03-02T00:56:05Z) - Multimodal machine learning for materials science: composition-structure
bimodal learning for experimentally measured properties [4.495968252019426]
本稿では,構成構造ビモーダル学習による材料科学におけるマルチモーダル機械学習の新しいアプローチを提案する。
提案するCOSNetは,不完全な構造情報を持つ実験材料特性の学習と予測を強化するために設計されている。
論文 参考訳(メタデータ) (2023-08-04T02:04:52Z) - Transition role of entangled data in quantum machine learning [65.73265547435442]
エンタングルメントは量子コンピューティングを強化するリソースとして機能する。
最近の進歩は量子力学の学習に対する肯定的な影響を浮き彫りにした。
我々は、絡み合ったデータを用いて量子力学を学習するための量子no-free-lunch(NFL)定理を確立する。
論文 参考訳(メタデータ) (2023-06-06T08:06:43Z) - Combining Variational Autoencoders and Physical Bias for Improved
Microscopy Data Analysis [0.0]
本稿では,データ内の変数の因子を分散させる物理拡張機械学習手法を提案する。
本手法はNiO-LSMO, BiFeO3, グラフェンなど様々な材料に適用される。
その結果,大量の画像データから有意な情報を抽出する手法の有効性が示された。
論文 参考訳(メタデータ) (2023-02-08T17:35:38Z) - Investigating Deep Learning Model Calibration for Classification
Problems in Mechanics [0.7734726150561089]
エンジニアリング力学における問題に機械学習手法を適用することへの関心が高まっている。
深層学習法は、工学的な合成物から幾何学的に複雑なメタマテリアルまで、システムの機械的挙動を低誤差で効果的に予測することができる。
しかし、ディープラーニングモデルの校正には比較的注意が払われていない。
論文 参考訳(メタデータ) (2022-12-01T21:39:48Z) - Retention Time Prediction for Chromatographic Enantioseparation by
Quantile Geometry-enhanced Graph Neural Network [2.4431531175170362]
提案する研究フレームワークは,保持時間予測とクロマトグラフィーによるエナンチオセパレーション促進に有効である。
実験により,提案手法は保持時間予測とクロマトグラフィーによるエナンチオセパレーション促進に有効であることが確認された。
論文 参考訳(メタデータ) (2022-11-07T14:46:47Z) - Dynamic Latent Separation for Deep Learning [67.62190501599176]
機械学習の中核的な問題は、複雑なデータに対するモデル予測のための表現力のある潜在変数を学習することである。
本稿では,表現性を向上し,部分的解釈を提供し,特定のアプリケーションに限定されないアプローチを開発する。
論文 参考訳(メタデータ) (2022-10-07T17:56:53Z) - Analogical discovery of disordered perovskite oxides by crystal
structure information hidden in unsupervised material fingerprints [1.7883499160092873]
教師なしのディープラーニング戦略は,ペロブスカイト成形性および基礎となる結晶構造情報を埋め込んだ乱れた材料の指紋を見つけることができることを示す。
この現象は実験組成の結晶対称性を予測し、教師付き機械学習(ML)アルゴリズムよりも優れている。
研究されていないペロブスカイトの探索空間は、実験データを用いたMLモデルと自動化Webマイニングツールを用いて60,000個の実現可能な化合物から94%の成功率でスクリーニングされる。
論文 参考訳(メタデータ) (2021-05-25T12:25:53Z) - Unsupervised machine learning of topological phase transitions from
experimental data [52.77024349608834]
超低温原子からの実験データに教師なし機械学習技術を適用する。
我々は、完全にバイアスのない方法で、ハルダンモデルの位相位相図を得る。
我々の研究は、複雑な多体系における新しいエキゾチック位相の教師なし検出のためのベンチマークを提供する。
論文 参考訳(メタデータ) (2021-01-14T16:38:21Z) - A Systematic Approach to Featurization for Cancer Drug Sensitivity
Predictions with Deep Learning [49.86828302591469]
35,000以上のニューラルネットワークモデルをトレーニングし、一般的な成果化技術を駆使しています。
RNA-seqは128以上のサブセットであっても非常に冗長で情報的であることがわかった。
論文 参考訳(メタデータ) (2020-04-30T20:42:17Z) - Dropout: Explicit Forms and Capacity Control [57.36692251815882]
各種機械学習問題におけるドロップアウトによるキャパシティ制御について検討する。
ディープラーニングでは、ドロップアウトによるデータ依存型正規化器が、基礎となるディープニューラルネットワークのクラスであるRademacherの複雑さを直接制御していることを示す。
MovieLens, MNIST, Fashion-MNISTなどの実世界のデータセットに関する理論的知見を評価する。
論文 参考訳(メタデータ) (2020-03-06T19:10:15Z)
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。