論文の概要: Review of Machine Learning Methods for Additive Manufacturing of
Functionally Graded Materials
- arxiv url: http://arxiv.org/abs/2309.16571v1
- Date: Thu, 28 Sep 2023 16:27:07 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-29 13:24:49.903790
- Title: Review of Machine Learning Methods for Additive Manufacturing of
Functionally Graded Materials
- Title（参考訳）: 傾斜機能材料の付加的製造のための機械学習手法のレビュー
- Authors: Mohammad Karimzadeh, Aleksandar Vakanski, Fei Xu, Xinchang Zhang
- Abstract要約: 機能的傾斜材料(FGM)は、滑らかな特性を示す高度な複合材料である。
最近の機械学習技術は、FGMの製造に有望な手段として現れている。
本稿はまず,FGM製造に関する文献を概説し,次いで添加物製造における機械学習の適用について概説する。
- 参考スコア（独自算出の注目度）: 51.03718738121577
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Additive manufacturing has revolutionized the manufacturing of complex parts
by enabling direct material joining and offers several advantages such as
cost-effective manufacturing of complex parts, reducing manufacturing waste,
and opening new possibilities for manufacturing automation. One group of
materials for which additive manufacturing holds great potential for enhancing
component performance and properties is Functionally Graded Materials (FGMs).
FGMs are advanced composite materials that exhibit smoothly varying properties
making them desirable for applications in aerospace, automobile, biomedical,
and defense industries. Such composition differs from traditional composite
materials, since the location-dependent composition changes gradually in FGMs,
leading to enhanced properties. Recently, machine learning techniques have
emerged as a promising means for fabrication of FGMs through optimizing
processing parameters, improving product quality, and detecting manufacturing
defects. This paper first provides a brief literature review of works related
to FGM fabrication, followed by reviewing works on employing machine learning
in additive manufacturing, Afterward, we provide an overview of published works
in the literature related to the application of machine learning methods in
Directed Energy Deposition and for fabrication of FGMs.
- Abstract（参考訳）: 複合部品の直接接合を可能にすることで複合部品の製造に革命をもたらし、複合部品のコスト効率の良い製造、製造廃棄物の削減、製造自動化の新たな可能性の開放などいくつかの利点を提供している。
添加物製造が部品性能と特性を向上させる大きな可能性を秘めている材料の1つが傾斜機能材料(fgms)である。
FGMは、航空宇宙、自動車、バイオメディカル、防衛産業の用途に好適な、スムーズな特性を示す先進的な複合材料である。
このような組成は従来の複合材料と異なり、fgmでは位置依存的な組成が徐々に変化し、特性が向上する。
近年, 加工パラメータの最適化, 製品品質の向上, 製造欠陥の検出により, fgm製造の有望な手段として機械学習技術が登場している。
本稿は,まず,fgm製造関連作品の簡単な文献レビューを行った後,添加物製造における機械学習の利用に関するレビューを行い,その後,有向エネルギー蒸着およびfgm製造における機械学習手法の適用に関する文献における出版作品の概要を述べる。
関連論文リスト
- Assessing data-driven predictions of band gap and electrical conductivity for transparent conducting materials [10.3054383984768]
本稿では,新しい透明導電材料発見の促進を目的としたデータ駆動型フレームワークを提案する。
利用可能なデータの不足を軽減するため、ユニークな実験データベースを作成し、検証する。
我々は、既知のTCMの典型的な要素を含む55の合成の一覧において、本手法を検証した。
論文 参考訳（メタデータ） (2024-11-21T11:37:05Z) - Recent Advances on Machine Learning for Computational Fluid Dynamics: A Survey [51.87875066383221]
本稿では、基本概念、従来の手法、ベンチマークデータセットを紹介し、CFDを改善する上で機械学習が果たす様々な役割について検討する。
我々は,空気力学,燃焼,大気・海洋科学,生物流体,プラズマ,記号回帰,秩序の低減など,CFDにおけるMLの現実的な応用を強調した。
シミュレーションの精度を向上し、計算時間を短縮し、流体力学のより複雑な解析を可能にすることにより、MLはCFD研究を大きく変革する可能性があるという結論を導いた。
論文 参考訳（メタデータ） (2024-08-22T07:33:11Z) - A Comprehensive Survey on Machine Learning Driven Material Defect Detection: Challenges, Solutions, and Future Prospects [6.559194485550409]
材料欠陥(MD)は、製品性能に影響を及ぼし、関連する製品における安全性の問題を引き起こす主要な課題である。
MDの迅速かつ正確な同定と局在化は、MDに関連する現代の課題に対処する上で重要な研究課題である。
近年、機械学習(ML)技術の急速な進歩により、ディープラーニングはコア技術として急速に発展し、材料欠陥検出(MDD)の顕著な研究方向となっている。
我々はMDDに適用されたML手法を,教師なし学習,教師なし学習,半教師付き学習,強化学習,生成学習の5つのカテゴリに分類した。
論文 参考訳（メタデータ） (2024-06-12T05:19:55Z) - Enhancing Manufacturing Quality Prediction Models through the Integration of Explainability Methods [10.32461766065764]
本研究では,機械学習モデルの性能向上のための説明可能性手法を用いて,製粉プロセスの品質を予測する手法を提案する。
この手法はMLモデルの初期訓練を伴い、その後、説明可能性法で識別された無関係な特徴を除去する微調整フェーズが続く。
本研究は,製造領域における予測モデルの説明と最適化における説明可能性手法の有用性を強調した。
論文 参考訳（メタデータ） (2024-03-27T16:21:24Z) - A Thorough Examination of Decoding Methods in the Era of LLMs [72.65956436513241]
復号法は、次世代の予測器から実用的なタスク解決器に言語モデルを変換する上で、必須の役割を果たす。
本稿では,大規模言語モデルの文脈における様々な復号法を包括的かつ多面的に分析する。
その結果,復号法の性能は特にタスク依存的であり,アライメント,モデルサイズ,量子化などの要因に影響されていることが明らかとなった。
論文 参考訳（メタデータ） (2024-02-10T11:14:53Z) - Applications of Machine Learning to Optimizing Polyolefin Manufacturing [0.9926212277119676]
この章は、化学およびポリオレフィン製造最適化における機械学習(ML)の活用に焦点を当てている。
ケミカルプロセスにおける最新のML応用に熱心である初心者と有能なプロフェッショナルの両方のために作られています。
論文 参考訳（メタデータ） (2024-01-18T06:57:05Z) - A hybrid machine learning framework for clad characteristics prediction
in metal additive manufacturing [0.0]
金属添加物製造(MAM)は大きな発展を遂げており、多くの注目を集めている。
MAMプロセスの複雑な性質から,MAMプリントクラッドの特性に対する処理パラメータの影響を予測することは困難である。
機械学習(ML)技術は、プロセスの基礎となる物理と処理パラメータをクラッド特性に結びつけるのに役立つ。
論文 参考訳（メタデータ） (2023-07-04T18:32:41Z) - Machine learning in bioprocess development: From promise to practice [58.720142291102135]
機械学習(ML)アプローチのようなデータ駆動の手法は、大きな設計空間を合理的に探索する可能性が高い。
本研究の目的は,これまでのバイオプロセス開発におけるML手法の適用例を示すことである。
論文 参考訳（メタデータ） (2022-10-04T13:48:59Z) - Machine Learning Force Fields [54.48599172620472]
機械学習(ML)は、計算化学の多くの進歩を可能にした。
最も有望な応用の1つは、MLベースの力場(FF)の構築である。
本稿では,ML-FFの応用と,それらから得られる化学的知見について概説する。
論文 参考訳（メタデータ） (2020-10-14T13:14:14Z) - Machine Learning in Nano-Scale Biomedical Engineering [77.75587007080894]
ナノスケールバイオメディカルエンジニアリングにおける機械学習の利用に関する既存の研究について概説する。
ML問題として定式化できる主な課題は、3つの主要なカテゴリに分類される。
提示された方法論のそれぞれについて、その原則、応用、制限に特に重点を置いている。
論文 参考訳（メタデータ） (2020-08-05T15:45:54Z)
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。