論文の概要: Machine Learning-Driven Creep Law Discovery Across Alloy Compositional Space

• arxiv url: http://arxiv.org/abs/2601.08970v1
• Date: Tue, 13 Jan 2026 20:29:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-15 18:59:20.160287
• Title: Machine Learning-Driven Creep Law Discovery Across Alloy Compositional Space
• Title（参考訳）: 機械学習による合金組成空間間のクリープ法探索
• Authors: Hongshun Chen, Ryan Zhou, Rujing Zha, Zihan Chen, Wenpan Li, Rowan Rolark, John Patrick Reidy, Jian Cao, Ping Guo, David C. Dunand, Horacio D. Espinosa,
• Abstract要約: 本稿では,DABI(Dimple Array bulge instrument)構成に基づくクリープ法同定のための機械学習支援フレームワークを提案する。 我々は,繰り返しニューラルネットワーク(RNN)を代理モデルとして訓練し,クリープパラメータと負荷条件をDABIの時間依存性の変形応答にマッピングする。 47種類のFe-, Ni-, Co-リッチ合金に対するクリープ法則を正則化インバージョンと組み合わせた一般的なクリープ法則を用いて同定する。
• 参考スコア（独自算出の注目度）: 8.142424347887513
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Hihg-temperature creep characterization of structural alloys traditionally relies on serial uniaxial tests, which are highly inefficient for exploring the large search space of alloy compositions and for material discovery. Here, we introduce a machine-learning-assisted, high-throughput framework for creep law identification based on a dimple array bulge instrument (DABI) configuration, which enables parallel creep testing of 25 dimples, each fabricated from a different alloy, in a single experiment. Full-field surface displacements of dimples undergoing time-dependent creep-induced bulging under inert gas pressure are measured by 3D digital image correlation. We train a recurrent neural network (RNN) as a surrogate model, mapping creep parameters and loading conditions to the time-dependent deformation response of DABI. Coupling this surrogate with a particle swarm optimization scheme enables rapid and global inverse identification with sparsity regularization of creep parameters from experiment displacement-time histories. In addition, we propose a phenomenological creep law with a time-dependent stress exponent that captures the sigmoidal primary creep observed in wrought INCONEL 625 and extracts its temperature dependence from DABI test at multiple temperatures. Furthermore, we employ a general creep law combining several conventional forms together with regularized inversion to identify the creep laws for 47 additional Fe-, Ni-, and Co-rich alloys and to automatically select the dominant functional form for each alloy. This workflow combined with DABI experiment provides a quantitative, high-throughput creep characterization platform that is compatible with data mining, composition-property modeling, and nonlinear structural optimization with creep behavior across a large alloy design space.
• Abstract（参考訳）: 構造合金の高温クリープ特性は、伝統的に一軸一軸試験に依存しており、これは合金組成の大きな探索空間を探索し、材料発見のために非常に非効率である。 本稿では,異なる合金から作製した25ディアンプの並列クリープ試験を可能にする,DABI(Dimple array bulge instrument)構成に基づくクリープ法同定のための機械学習支援高スループットフレームワークを提案する。 不活性ガス圧力下での時間依存性クリープ誘起膨らみを受けるディアンプのフルフィールド表面変位を3次元ディジタル画像相関により測定した。 我々は,繰り返しニューラルネットワーク(RNN)を代理モデルとして訓練し,クリープパラメータと負荷条件をDABIの時間依存性の変形応答にマッピングする。 このサロゲートを粒子群最適化法と組み合わせることで、実験の変位時間履歴からクリープパラメータの空間的規則化を伴う迅速かつ大域的な逆同定が可能になる。 さらに,INCONEL 625で観測されるシグモダル一次クリープを捕捉し,DABI試験から複数の温度で温度依存性を抽出する時間依存性ストレス指数を用いた現象論的クリープ則を提案する。 さらに, 47添加Fe-, Ni-, Co-リッチ合金のクリープ法則を正則化インバージョンと組み合わせた一般的なクリープ法則を用いて, 各合金に対して支配的な機能形式を自動選択する。 DABI実験と組み合わせたこのワークフローは、データマイニング、合成-プロパティモデリング、および大きな合金設計空間におけるクリープ挙動を伴う非線形構造最適化と互換性のある、定量的で高スループットなクリープ特性評価プラットフォームを提供する。

関連論文リスト

• Probabilistic Predictions of Process-Induced Deformation in Carbon/Epoxy Composites Using a Deep Operator Network [7.616136432212582]
  熱硬化過程における熱膨張係数とマトリックス収縮係数のミスマッチにより, 繊維強化とポリマーマトリックスは製造条件に異なる反応を示した。 本研究では,一方向のAS4炭素繊維/アミン二官能エポキシ前駆体とプロセス誘起変形(PID)を2機構の枠組みを用いてモデル化する。
  論文  参考訳（メタデータ） (2025-12-15T03:04:45Z)
• BITS for GAPS: Bayesian Information-Theoretic Sampling for hierarchical GAussian Process Surrogates [45.88028371034407]
  本稿では,階層型GAussian Process Surrogates (BITS for GAPS) のためのベイズ情報理論サンプリングについて紹介する。 BITS for GAPSは、既知の物理がシステムの一部を支配しているシリアルハイブリッドモデリングをサポートする。 候補入力位置から得られる期待情報を定量化するエントロピーに基づく取得関数を導出する。
  論文  参考訳（メタデータ） (2025-11-20T21:36:21Z)
• Electronic structure prediction of medium and high entropy alloys across composition space [4.556522329713242]
  本研究では,集中型合金の組成空間における電子密度を予測するための機械学習モデルを提案する。 トレーニングデータ要求を最小限に抑えるためにベイジアンアクティブラーニング(AL)を採用している。 本モデルでは, 電子密度とエネルギーの両方を合成空間にわたって予測する際の精度と一般化性を示す。
  論文  参考訳（メタデータ） (2024-10-10T18:29:31Z)
• Active learning for affinity prediction of antibodies [45.58662352490961]
  抗体のような大きな分子では、抗体親和性を高める突然変異を同定することは困難である。 FERB法は、異なる変異が薬物候補の有効性と選択性に与える影響について、貴重な洞察を与えることができる。 本稿では,評価を行うシミュレータのシーケンスを反復的に提案し,改良されたバインダーの探索を高速化する能動的学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-06-11T13:42:49Z)
• Predicting Multi-Joint Kinematics of the Upper Limb from EMG Signals Across Varied Loads with a Physics-Informed Neural Network [0.0]
  PINNモデルは、フィードフォワードニューラルネットワーク(ANN)とジョイントトルクモデルを組み合わせることで構成される。 PINNモデルのトレーニングデータセットは、EMGと4つの異なる被験者から収集された時間データを含む。 その結果,関節角度予測では58%から83%の相関が認められた。
  論文  参考訳（メタデータ） (2023-11-28T16:55:11Z)
• Identifying Constitutive Parameters for Complex Hyperelastic Materials using Physics-Informed Neural Networks [0.0]
  軟質材料の材料パラメータの同定を目的とした,堅牢なPINNベースのフレームワークを提案する。 本モデルでは,マルチモーダル合成実験データセットを用いたPINNのトレーニングを強調した。 以上の結果から, PINN フレームワークは, 複雑なジオメトリーを持つ試料に対する圧縮不能な Arruda-Boyce モデルのパラメータを正確に同定し, 5% 未満の誤差を維持することができることがわかった。
  論文  参考訳（メタデータ） (2023-08-29T21:25:24Z)
• 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)
• Mixed Effects Neural ODE: A Variational Approximation for Analyzing the Dynamics of Panel Data [50.23363975709122]
  パネルデータ解析に(固定・ランダムな)混合効果を取り入れたME-NODEという確率モデルを提案する。 我々は、Wong-Zakai定理によって提供されるSDEの滑らかな近似を用いて、我々のモデルを導出できることを示す。 次に、ME-NODEのためのエビデンスに基づく下界を導出し、(効率的な)トレーニングアルゴリズムを開発する。
  論文  参考訳（メタデータ） (2022-02-18T22:41:51Z)
• Disentangling multiple scattering with deep learning: application to strain mapping from electron diffraction patterns [48.53244254413104]
  我々は、高非線形電子回折パターンを定量的構造因子画像に変換するために、FCU-Netと呼ばれるディープニューラルネットワークを実装した。 結晶構造の異なる組み合わせを含む20,000以上のユニークな動的回折パターンを用いてFCU-Netを訓練した。 シミュレーションされた回折パターンライブラリ、FCU-Netの実装、訓練されたモデルの重み付けは、オープンソースリポジトリで自由に利用可能です。
  論文  参考訳（メタデータ） (2022-02-01T03:53:39Z)
• A deep learning driven pseudospectral PCE based FFT homogenization algorithm for complex microstructures [68.8204255655161]
  提案手法は,従来の手法よりも高速に評価できる一方で,興味の中心モーメントを予測できることを示す。 提案手法は,従来の手法よりも高速に評価できると同時に,興味の中心モーメントを予測できることを示す。
  論文  参考訳（メタデータ） (2021-10-26T07:02:14Z)

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。