論文の概要: Probing Non-Equilibrium Grain Boundary Dynamics with XPCS and Domain-Adaptive Machine Learning
- arxiv url: http://arxiv.org/abs/2605.12194v1
- Date: Tue, 12 May 2026 14:37:17 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-13 21:48:56.926893
- Title: Probing Non-Equilibrium Grain Boundary Dynamics with XPCS and Domain-Adaptive Machine Learning
- Title（参考訳）: XPCSとドメイン適応機械学習による非平衡粒界ダイナミクスの提案
- Authors: Mouyang Cheng, Bowen Yu, Chu-Liang Fu, Nina Andrejevic, Matthias T. Agne, Riley Hanus, Qiwei Wan, Nathan C. Drucker, Thanh Nguyen, Andrei Fluerasu, Lutz Wiegart, Xiaoqian M Chen, Daniel Pajerowski, Yongqiang Cheng, Joshua J Turner, G. Jeffrey Snyder, Mingda Li,
- Abstract要約: グラインドバウンダリ(GB)ダイナミクスはナノ結晶材料の安定性、機械的および機能的応答を制御する。
連続体シミュレーションから実験用XPCSマップへ物理パラメータラベルを転送する半教師付き学習フレームワークを開発した。
このAI強化アプローチは、バルク拡散率、GB硬度、有効GB濃度などの重要な運動パラメータの抽出を可能にする。
- 参考スコア（独自算出の注目度）: 6.762646440175839
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Grain-boundary (GB) dynamics control the stability, mechanical, and functional response of nanocrystalline materials, but direct experimental access to their slow non-equilibrium motion has been limited. Here we establish X-ray photon correlation spectroscopy (XPCS), combined with domain-adaptive machine learning, as a quantitative probe of GB dynamics. Temperature- and grain-size-dependent two-time XPCS measurements in nanocrystalline silicon reveal pronounced departures from time-translation invariance, showing that GB relaxation can remain far from equilibrium over experimental timescales. However, direct extraction of quantitative physical information from these high-dimensional, noisy fluctuation maps faces a significant challenge. To overcome this barrier, we develop a semi-supervised learning framework that transfers physical parameter labels from continuum simulations to unlabeled experimental XPCS maps through domain-adaptive representation alignment. This AI-augmented approach enables the extraction of key kinetic parameters, including bulk diffusivity, GB stiffness, and effective GB concentration, directly from experimental XPCS measurements. Our results show how machine learning can transform indirect fluctuation signals into quantitative materials dynamics, providing a general route to study non-equilibrium defect motion in solids.
- Abstract（参考訳）: グラインドバウンダリ(GB)ダイナミクスはナノ結晶材料の安定性、機械的および機能的応答を制御するが、その遅い非平衡運動への直接的な実験的アクセスは制限されている。
ここでは、GBダイナミクスの定量的プローブとして、X線光子相関分光法(XPCS)とドメイン適応機械学習を組み合わせる。
ナノ結晶シリコンにおける温度および粒径依存性の2時間XPCS測定は、時間変換不変性から明らかな脱離を示し、GB緩和は実験時間スケールよりもはるかに平衡に留まることを示した。
しかし、これらの高次元ノイズ変動マップから量的物理情報の直接抽出は、大きな課題に直面している。
この障壁を克服するために、連続体シミュレーションからドメイン適応型表現アライメントによる未ラベル実験XPCSマップへ物理パラメータラベルを転送する半教師付き学習フレームワークを開発した。
このAI強化アプローチにより、実験的なXPCS測定から直接、バルク拡散率、GB硬度、有効GB濃度を含む重要な運動パラメータの抽出が可能になる。
以上の結果から, 機械学習が間接揺らぎ信号を定量的材料力学に変換し, 固体中の非平衡欠陥運動を研究するための一般的な経路を提供することができた。
関連論文リスト
- Gravity-induced Entanglement under Constrained Dynamics [0.0]
重力によって引き起こされる絡み合いの試験は、重力の量子的性質を探索するための経路として提案されている。
既存のスキームは巨大な空間重畳のフリーフォール干渉法に依存しており、厳しい実験的制約を課している。
本研究では, 短周期状態において効果的慣性ダイナミクスを示す系が, 絡み合いの発生の原因となる同じ重力相の蓄積を再現することを示す。
論文 参考訳（メタデータ） (2026-05-01T15:41:18Z) - OXtal: An All-Atom Diffusion Model for Organic Crystal Structure Prediction [63.318434943975255]
分子内コンフォーメーションと周期的パッキングの条件付き関節分布を学習する大規模100Mパラメータ全原子拡散モデルであるOXtalを導入する。
実験的に検証された600Kの結晶構造の大規模なデータセットを活用することで、OXtalは、以前のabinitio機械学習CSPメソッドよりも改善の順序を達成できる。
オキシタルは80%以上のパッキング類似率を獲得し、分子結晶化の熱力学的および運動論的規則性の両方をモデル化する能力を示している。
論文 参考訳（メタデータ） (2025-12-07T20:46:30Z) - Learning Minimal Representations of Many-Body Physics from Snapshots of a Quantum Simulator [0.08796261172196741]
本研究では,変動型オートエンコーダ(VAE)に基づく機械学習手法を開発し,ボースガスの干渉測定を解析する。
非平衡なプロトコルを適用すると、潜伏空間は急激な冷却後に凍結したソリトンの符号を明らかにする。
その結果、生成モデルはノイズやスパースな実験データから直接物理的に解釈可能な変数を抽出できることを示した。
論文 参考訳（メタデータ） (2025-09-17T08:38:46Z) - TRENDy: Temporal Regression of Effective Nonlinear Dynamics [4.264200809234798]
TRENDyは、低時間ダイナミクスを学ぶための方程式のないアプローチである。
我々はTRENDyをトレーニングし、物理科学と生命科学のあらゆる分野から、合成データと実データの効果的なダイナミクスを予測する。
TRENDyの予測有効状態は、時間とともに変化を正確に予測するだけでなく、異なるパターンの特徴を識別する。
論文 参考訳（メタデータ） (2024-12-04T17:36:47Z) - Differentiable Physics-based System Identification for Robotic Manipulation of Elastoplastic Materials [43.99845081513279]
本研究は, ロボットアームが簡単な操作動作と不完全な3次元点雲を用いて, 弾塑性材料の物理パラメータと環境を推測することのできる, 微分可能物理に基づくシステム同定(DPSI)フレームワークを提案する。
1つの現実世界の相互作用だけで、推定されたパラメータは、目に見えない、長い水平運動によって引き起こされる視覚的および物理的に現実的な振る舞いを正確にシミュレートすることができる。
論文 参考訳（メタデータ） (2024-11-01T13:04:25Z) - Measurement-induced transitions for interacting fermions [43.04146484262759]
エンタングルメントと電荷ゆらぎを特徴付けるオブザーバブルに対する統一的なアプローチを提供する場理論の枠組みを開発する。
このフレームワーク内では、複製されたケルディシュ非線形シグマモデル(NLSM)を導出する。
NLSMに対する正規化群アプローチを用いることで、位相図と物理観測値のスケーリングを決定する。
論文 参考訳（メタデータ） (2024-10-09T18:00:08Z) - Nanodiamond-based spatial-temporal deformation sensing for cell mechanics [3.7300938460484407]
この研究は、生きた細胞における幅広いエラストカピラリティ関連界面力学とメカノロジープロセスを理解するための基礎を築いている。
論文 参考訳（メタデータ） (2024-06-05T04:07:56Z) - Machine learning enabled experimental design and parameter estimation
for ultrafast spin dynamics [54.172707311728885]
機械学習とベイズ最適実験設計(BOED)を組み合わせた方法論を提案する。
本手法は,大規模スピンダイナミクスシミュレーションのためのニューラルネットワークモデルを用いて,BOEDの正確な分布と実用計算を行う。
数値ベンチマークでは,XPFS実験の誘導,モデルパラメータの予測,実験時間内でのより情報的な測定を行う上で,本手法の優れた性能を示す。
論文 参考訳（メタデータ） (2023-06-03T06:19:20Z) - Visualizing spinon Fermi surfaces with time-dependent spectroscopy [62.997667081978825]
固体系において確立されたツールである時間依存性光電子分光法を低温原子量子シミュレーターに応用することを提案する。
1次元の$t-J$モデルの正確な対角化シミュレーションで、スピノンが非占有状態の効率的なバンド構造に出現し始めることを示す。
ポンプパルス後のスペクトル関数の依存性はスピノン間の集団的相互作用を明らかにする。
論文 参考訳（メタデータ） (2021-05-27T18:00:02Z) - Generalized Discrete Truncated Wigner Approximation for Nonadiabtic
Quantum-Classical Dynamics [0.0]
線形化半古典法, 一般化離散トランケートウィグナー近似(GDTWA)を導入する。
GDTWAは離散位相空間における電子自由度をサンプリングし、電子状態の集団の非物理的成長を禁ずる。
本手法は, 化学および関連分野における非断熱力学問題の解決に極めて適している可能性が示唆された。
論文 参考訳（メタデータ） (2021-04-14T21:53:35Z)
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。