論文の概要: High-Throughput Unsupervised Profiling of the Morphology of 316L Powder Particles for Use in Additive Manufacturing

• arxiv url: http://arxiv.org/abs/2512.06012v2
• Date: Tue, 09 Dec 2025 16:20:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-10 14:12:22.927217
• Title: High-Throughput Unsupervised Profiling of the Morphology of 316L Powder Particles for Use in Additive Manufacturing
• Title（参考訳）: 添加物製造に用いる316L粉末粒子の形態の高速無監督プロファイリング
• Authors: Emmanuel Akeweje, Conall Kirk, Chi-Wai Chan, Denis Dowling, Mimi Zhang,
• Abstract要約: SLM(Selective Laser Melting)は、原料形態に依存した粉末層添加型製造技術である。 本稿では,高スループットイメージングと形状抽出とクラスタリングを併用した機械学習フレームワークを提案する。 全体として、この教師なし学習フレームワークは粉体形態の迅速かつ自動評価を可能にし、再利用サイクル間の形状変化の追跡をサポートする。
• 参考スコア（独自算出の注目度）: 4.958589793470847
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Selective Laser Melting (SLM) is a powder-bed additive manufacturing technique whose part quality depends critically on feedstock morphology. However, conventional powder characterization methods are low-throughput and qualitative, failing to capture the heterogeneity of industrial-scale batches. We present an automated, machine learning framework that couples high-throughput imaging with shape extraction and clustering to profile metallic powder morphology at scale. We develop and evaluate three clustering pipelines: an autoencoder pipeline, a shape-descriptor pipeline, and a functional-data pipeline. Across a dataset of approximately 126,000 powder images (0.5-102 micrometer diameter), internal validity metrics identify the Fourier-descriptor + k-means pipeline as the most effective, achieving the lowest Davies-Bouldin index and highest Calinski-Harabasz score while maintaining sub-millisecond runtime per particle on a standard desktop workstation. Although the present work focuses on establishing the morphological-clustering framework, the resulting shape groups form a basis for future studies examining their relationship to flowability, packing density, and SLM part quality. Overall, this unsupervised learning framework enables rapid, automated assessment of powder morphology and supports tracking of shape evolution across reuse cycles, offering a path toward real-time feedstock monitoring in SLM workflows.
• Abstract（参考訳）: SLM(Selective Laser Melting)は、原料形態に重要な品質を持つ粉末層添加物製造技術である。 しかし, 従来の粉体キャラクタリゼーション法は低スループットで定性的であり, 工業規模バッチの不均一性を捉えることができない。 本稿では,高速な画像処理と形状抽出とクラスタリングを併用した機械学習フレームワークを提案する。 自動エンコーダパイプライン,形状記述器パイプライン,機能データパイプラインの3つのクラスタリングパイプラインを開発し評価する。 約126,000個のパウダー画像(0.5-102マイクロメートルの直径)のデータセット全体にわたって、内部の有効性指標は、Fourier-descriptor + k-meansパイプラインを最も有効であり、標準デスクトップワークステーション上で1粒子あたり100ミリ秒以下のランタイムを維持しながら、最も低いDavies-Bouldin指数と最高Calinski-Harabaszスコアを達成している。 本研究は, モルフォロジー・クラスタリングの枠組みの確立に重点を置いているが, 形状群は流動性, 充填密度およびSLM部の品質との関係を考察するための基礎となる。 全体として、この教師なし学習フレームワークは、粉体形態の迅速かつ自動評価を可能にし、再利用サイクル間の形状変化の追跡をサポートし、SLMワークフローにおけるリアルタイムフィードストック監視への道を提供する。

関連論文リスト

• Periodicity-Enforced Neural Network for Designing Deterministic Lateral Displacement Devices [4.743321030941228]
  本稿では, 周期層, ニューラルネットワークコンポーネントを組み込んだ周期性強化サロゲートモデリング手法を提案する。 提案手法は3つのサブネットワークを用いて, 臨界径や粒子軌道を直接予測するのではなく, 定常, 非次元速度, 圧力場を予測する。
  論文  参考訳（メタデータ） (2025-11-21T20:14:16Z)
• Predictive Feature Caching for Training-free Acceleration of Molecular Geometry Generation [67.20779609022108]
  フローマッチングモデルは、高忠実度分子ジオメトリを生成するが、推論中にかなりの計算コストを発生させる。 本研究は,分子幾何生成を加速する学習自由キャッシング戦略について論じる。 GEOM-Drugsデータセットの実験は、キャッシングがウォールクロックの推測時間の2倍の削減を実現することを示した。
  論文  参考訳（メタデータ） (2025-10-06T09:49:14Z)
• Amortized Sampling with Transferable Normalizing Flows [65.48838168417564]
  プロス(英: Prose)は、ペプチド分子動力学のコーパスで訓練された、最大8個の残基の移動可能な正規化フローである。 本稿では, Prose が様々なサンプリングアルゴリズムの提案であることを示す。 我々はProseデータセットをオープンソース化し、償却されたサンプリング手法と微調整目的の研究をさらに促進する。
  論文  参考訳（メタデータ） (2025-08-25T16:28:18Z)
• CRISP: A Framework for Cryo-EM Image Segmentation and Processing with Conditional Random Field [0.0]
  本稿では,Cryo-EMデータから高品質なセグメンテーションマップを自動生成するパイプラインを提案する。 我々のモジュラーフレームワークは、様々なセグメンテーションモデルと損失関数の選択を可能にする。 限られたマイクログラフでトレーニングすると、合成データ上で90%以上の精度、リコール、精度、インターセクション・オーバー・ユニオン(IoU)、F1スコアを達成することができる。
  論文  参考訳（メタデータ） (2025-02-12T10:44:45Z)
• Investigation on domain adaptation of additive manufacturing monitoring systems to enhance digital twin reusability [12.425166883814153]
  機械学習(ML)ベースのモデリングを使用したデジタルツイン(DT)は、AMプロセスの監視と制御のためにデプロイできる。 メルトプールは、プロセス監視において最もよく見られる物理現象の1つである。 本稿では,AM DTの再利用性を高めるため,異なるAM設定間の知識伝達パイプラインを提案する。
  論文  参考訳（メタデータ） (2024-09-19T13:54:01Z)
• Diffusion Generative Flow Samplers: Improving learning signals through partial trajectory optimization [87.21285093582446]
  Diffusion Generative Flow Samplers (DGFS) はサンプルベースのフレームワークであり、学習プロセスを短い部分的軌道セグメントに分解することができる。 生成フローネットワーク(GFlowNets)のための理論から着想を得た。
  論文  参考訳（メタデータ） (2023-10-04T09:39:05Z)
• An Ensemble Score Filter for Tracking High-Dimensional Nonlinear Dynamical Systems [10.997994515823798]
  本研究では,高次元非線形フィルタ問題に対するアンサンブルスコアフィルタ(EnSF)を提案する。 ニューラルネットワークをトレーニングしてスコア関数を近似する既存の拡散モデルとは異なり、トレーニング不要スコア推定を開発する。 EnSFは、最先端のLocal Ensemble Transform Kalman Filter法と比較して、驚くべきパフォーマンスを提供する。
  論文  参考訳（メタデータ） (2023-09-02T16:48:02Z)
• The Surprising Effectiveness of Diffusion Models for Optical Flow and Monocular Depth Estimation [42.48819460873482]
  拡散確率モデルは、その印象的な忠実さと多様性で画像生成を変換した。 また,タスク固有のアーキテクチャや損失関数を使わずに,光学的フローと単眼深度の推定に優れることを示す。
  論文  参考訳（メタデータ） (2023-06-02T21:26:20Z)
• Surface Warping Incorporating Machine Learning Assisted Domain Likelihood Estimation: A New Paradigm in Mine Geology Modelling and Automation [68.8204255655161]
  新たに取得した破砕孔データによって課される地球化学的および空間的制約に基づいて, モデル表面を再構成するバイーシアンワープ法が提案されている。 本稿では,このワーピングフレームワークに機械学習を組み込むことにより,可能性の一般化を図る。 その基礎は、p(g|c) が p(y(c)|g と似た役割を果たすような地質領域の確率のベイズ計算によって構成される。
  論文  参考訳（メタデータ） (2021-02-15T10:37:52Z)
• Towards an Automatic Analysis of CHO-K1 Suspension Growth in Microfluidic Single-cell Cultivation [63.94623495501023]
  我々は、人間の力で抽象化されたニューラルネットワークをデータレベルで注入できる新しい機械学習アーキテクチャを提案する。 具体的には、自然データと合成データに基づいて生成モデルを同時に訓練し、細胞数などの対象変数を確実に推定できる共有表現を学習する。
  論文  参考訳（メタデータ） (2020-10-20T08:36:51Z)

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。