論文の概要: High-throughput validation of phase formability and simulation accuracy of Cantor alloys

• arxiv url: http://arxiv.org/abs/2511.19335v1
• Date: Mon, 24 Nov 2025 17:31:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-25 18:34:25.343888
• Title: High-throughput validation of phase formability and simulation accuracy of Cantor alloys
• Title（参考訳）: カントール合金の相形成性とシミュレーション精度の高スループット検証
• Authors: Changjun Cheng, Daniel Persaud, Kangming Li, Michael J. Moorehead, Natalie Page, Christian Lavoie, Beatriz Diaz Moreno, Adrien Couet, Samuel E Lofland, Jason Hattrick-Simpers,
• Abstract要約: 本稿では,予測値と実験観測値との一致を評価するための定量的信頼度指標を提案する。 組成変化したFeNiMnCr合金ライブラリ上での高スループットシンクロトロンX線回折により実験データセットを作成した。 観測された相と予測相の一致を,温度依存性の相分類または温度依存性の相形成確率を含むモデルを用いて評価した。
• 参考スコア（独自算出の注目度）: 0.14547222152188427
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: High-throughput methods enable accelerated discovery of novel materials in complex systems such as high-entropy alloys, which exhibit intricate phase stability across vast compositional spaces. Computational approaches, including Density Functional Theory (DFT) and calculation of phase diagrams (CALPHAD), facilitate screening of phase formability as a function of composition and temperature. However, the integration of computational predictions with experimental validation remains challenging in high-throughput studies. In this work, we introduce a quantitative confidence metric to assess the agreement between predictions and experimental observations, providing a quantitative measure of the confidence of machine learning models trained on either DFT or CALPHAD input in accounting for experimental evidence. The experimental dataset was generated via high-throughput in-situ synchrotron X-ray diffraction on compositionally varied FeNiMnCr alloy libraries, heated from room temperature to ~1000 °C. Agreement between the observed and predicted phases was evaluated using either temperature-independent phase classification or a model that incorporates a temperature-dependent probability of phase formation. This integrated approach demonstrates where strong overall agreement between computation and experiment exists, while also identifying key discrepancies, particularly in FCC/BCC predictions at Mn-rich regions to inform future model refinement.
• Abstract（参考訳）: 高出力法は、高エントロピー合金のような複雑な系における新しい物質の発見を加速し、広い組成空間にわたって複雑な位相安定性を示す。 密度汎関数理論 (DFT) や位相図計算 (CALPHAD) などの計算手法は、組成と温度の関数としての位相形成性のスクリーニングを容易にする。 しかし、計算予測と実験的な検証の統合は、ハイスループットな研究では依然として困難である。 本研究では,予測と実験観測の一致を評価するための量的信頼度指標を導入し,実験的証拠を考慮したDFTまたはCALPHAD入力でトレーニングされた機械学習モデルの信頼度を定量的に測定する。 実験データセットは, 組成変化したFeNiMnCr合金ライブラリ上で高出力のシンクロトロンX線回折により生成し, 室温から約1000 °Cまで加熱した。 観測された相と予測相の一致を,温度依存性の相分類または温度依存性の相形成確率を含むモデルを用いて評価した。 この統合されたアプローチは、計算と実験の間に強い全体的な一致が存在することを示すと同時に、特にMnリッチ領域におけるFCC/BCC予測において、将来のモデルの洗練を知らせる重要な相違点を特定する。

関連論文リスト

• Clarifying the Ti-V Phase Diagram Using First-Principles Calculations and Bayesian Learning [42.418429168532406]
  チタン-バナジウム(Ti-V)二元合金が体中心立方晶(BCC)の相違点を示すか、あるいは完全に可溶であるかについては、対立する実験は意見が一致しない。 先導的な仮説は、合金の調製時の酸素汚染の相違によるものである。 我々は、活発に訓練されたモーメント図と自由エネルギー表面の推測を結合するab initio + machine-learningワークフローを使用する。
  論文  参考訳（メタデータ） (2025-06-21T14:09:15Z)
• Progressive Inference-Time Annealing of Diffusion Models for Sampling from Boltzmann Densities [93.13866975467549]
  拡散に基づくサンプル学習のために, PITA(Progressive Inference-Time Annealing)を提案する。 PITAはボルツマン分布のアナーリングと拡散平滑化という2つの相補的手法を組み合わせたものである。 N-体粒子系、アラニンジペプチド、トリペプチドの平衡サンプリングを可能にする。
  論文  参考訳（メタデータ） (2025-06-19T17:14:22Z)
• Data-Driven Optical To Thermal Inference in Pool Boiling Using Generative Adversarial Networks [1.0499611180329804]
  本稿では,標準プール沸騰構成における幾何位相から温度場を推定するデータ駆動フレームワークを提案する。 本研究は,観測可能な多相現象と熱輸送のギャップを埋めるための深部生成モデルの可能性を明らかにするものである。
  論文  参考訳（メタデータ） (2025-05-01T19:26:01Z)
• Machine Learning for Improved Density Functional Theory Thermodynamics [0.0]
  本稿では,密度汎関数理論計算における固有エネルギー分解誤差を体系的に補正する機械学習(ML)手法を提案する。 ニューラルネットワークモデルは、二元系および三元系合金および化合物に対するDFT計算と実験的に測定されたエンタルピーの相違を予測するために訓練されている。 本手法の有効性を,航空宇宙・保護コーティングにおける高温応用に関心のあるAl-Ni-PdおよびAl-Ni-Ti系に応用して説明する。
  論文  参考訳（メタデータ） (2025-03-07T15:46:30Z)
• 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)
• Accurate melting point prediction through autonomous physics-informed learning [52.217497897835344]
  NPTアンサンブルにおける共存シミュレーションから自律的に学習することで融点を計算するアルゴリズムを提案する。 固液共存進化の物理モデルを統合することで、アルゴリズムの精度が向上し、最適な意思決定が可能になることを実証する。
  論文  参考訳（メタデータ） (2023-06-23T07:53:09Z)
• Accessing the topological Mott insulator in cold atom quantum simulators with realistic Rydberg dressing [58.720142291102135]
  本稿では, コールド・ライドバーグ型原子を用いた光学格子の量子シミュレーションの現実的シナリオについて検討する。 本研究では, 平均場近似において, 半次および非共役充填時の位相図の詳細な解析を行う。 さらに、平均場近似における温度に対する相の安定性について検討する。
  論文  参考訳（メタデータ） (2022-03-28T14:55:28Z)
• Identifying Entangled Physics Relationships through Sparse Matrix Decomposition to Inform Plasma Fusion Design [0.021079694661943604]
  慣性核融合(ICF)による持続可能な燃焼プラットフォームは、50年以上にわたって進行中の課題である。 我々はスパース行列分解法を用いて、いくつかの関連する設計変数のクラスタを同定する。 可変重要性解析により、ピケットパワーやレーザーエネルギーといった中性子収率と高い相関を持つ変数に加えて、パルスステップの数などのICF設計の劇的な変化を表す変数も非常に重要であることが判明した。
  論文  参考訳（メタデータ） (2020-10-28T20:20:32Z)

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。