論文の概要: Beyond Synthesis Conditions: Linking In-situ Growth Dynamics to Carbon Nanotube Forest Properties through Multimodal Machine Learning
- arxiv url: http://arxiv.org/abs/2611.00739v1
- Date: Sat, 31 Oct 2026 08:32:55 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-13 16:49:17.723665
- Title: Beyond Synthesis Conditions: Linking In-situ Growth Dynamics to Carbon Nanotube Forest Properties through Multimodal Machine Learning
- Title(参考訳): 合成条件を超えて:マルチモーダル機械学習によるその場成長ダイナミクスとカーボンナノチューブ森林特性のリンク
- Abstract要約: 正規化成長曲線のクラスタリングにより,最終樹高に依存しない明確な成長パターンが明らかとなった。
ガス条件だけでは、初期成長率は予測できるが、成長期間は予測できない。
成長曲線を追加することで収率予測(R20.4-0.5)が向上し、関連する情報は成長の中間段階と後期段階に現われる。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Machine learning for chemical vapor deposition (CVD) of carbon nanotubes (CNTs) has largely mapped static synthesis conditions to final properties, implicitly treating these conditions as a complete description of growth. Here, we test this assumption by integrating gas-flow conditions with in-situ time-resolve growth profiles (growth curves) of vertically aligned CNT forests. We introduce an observation-window analysis, in which prediction is evaluated as a function of observation time by providing models with the growth curve only up to progressively later times, to determine not only whether a property can be predicted, but when the necessary information becomes available during synthesis. Clustering of normalized growth curves revealed distinct growth patterns independent of final forest height. The gas conditions alone could predict the initial growth rate but not the growth lifetime and failed to capture the variation in yield (R^2<0). Adding the growth curve improved yield prediction (R^2~0.4-0.5), with the relevant information emerging during the intermediate and later stages of growth rather than at its onset. In contrast, density and G/D ratio, which forest height does not record, showed no consistent improvement. The maximum height and lifetime could be estimated with moderate accuracy midway through the 10-min growth. Permutation feature importance identified water vapor and H_2, both linked to catalyst activity, as the most informative gas variables. These results indicate that variation unexplained by synthesis conditions is not merely noise but reflects an evolving catalyst state, and they establish mid-growth decision points for autonomous synthesis, enabling early termination of unpromising batches and, ultimately, in-batch adjustment of growth conditions.
- Abstract(参考訳): カーボンナノチューブ(CNT)の化学気相沈着(CVD)のための機械学習は、静的合成条件を最終特性にマッピングし、これらの条件を成長の完全な記述として暗黙的に扱う。
そこで本研究では,垂直配向CNT林の気流条件とその場時間分解成長プロファイル(成長曲線)を統合することにより,この仮定を検証した。
本稿では,成長曲線のモデルを提供することにより,観測時間の関数として予測が評価され,その特性を予測できるかどうかだけでなく,必要な情報が合成中に利用可能になるかどうかを判断する。
正規化成長曲線のクラスタリングにより,最終樹高に依存しない明確な成長パターンが明らかとなった。
ガス条件だけでは、初期成長速度は予測できたが、成長期間は予測できず、収量の変化(R^2<0。
成長曲線を追加することで収率予測(R^2~0.4-0.5)が向上し、成長の中間段階と後期段階に関連情報が現れる。
一方、森林高が記録されていない密度とG/D比は、一貫した改善を示さなかった。
最大高さと寿命は10分成長の途中で適度な精度で推定できる。
置換特性は水蒸気とH_2を最も有用な気体変数として同定した。
これらの結果から, 合成条件によって説明されない変動は単にノイズではなく, 触媒状態の進化を反映し, 自律合成の中間成長決定点を確立し, 未生成バッチの早期終了と, 最終的に成長条件のバッチ内調整を可能にした。
関連論文リスト
- LeHami: Symplectic Latent Dynamics for World Models [48.8474710268196]
我々は、標準予測器を構造化潜在状態上の作用条件ハミルトン流に置き換えるために、シンプレクティック・ハミルトン的JEPA(LeHami)を導入する。
LeHamiは、制約のないJEPA世界モデル上での長距離速度予測を大幅に改善する。
論文 参考訳(メタデータ) (2026-10-11T01:28:41Z) - When is Warmstarting Effective for Scaling Language Models? [48.713404953553976]
本研究は,ベースモデルの初期成長後の性能を維持することが,最終段階の強靭な性能に必要ではないことを示す。
我々は、スクラッチからのトレーニングがより効率的である以上、成長係数$g$の上限を経験的に特定する。
論文 参考訳(メタデータ) (2026-05-13T12:00:11Z) - Neural surrogates for crystal growth dynamics with variable supersaturation: explicit vs. implicit conditioning [0.0]
畳み込みリカレントニューラルネットワークサロゲートモデルを用いて結晶成長シミュレーションを行う。
可変過飽和値の影響を考慮した2つのネットワークアーキテクチャが開発されている。
論文 参考訳(メタデータ) (2026-04-23T15:01:49Z) - ECHOSAT: Estimating Canopy Height Over Space And Time [17.73069647964353]
既存の世界樹高マップは静的スナップショットのみを提供し、時間的森林動態を捉えない。
複数年にわたる10mの解像度で,グローバルかつ時間的に一貫した樹高マップであるECHOSATを紹介した。
また、木の成長と乱れを時間とともに正確に定量化する最初の世界規模の高さマップも提供する。
論文 参考訳(メタデータ) (2026-02-24T22:46:58Z) - Understanding Warmup-Stable-Decay Learning Rates: A River Valley Loss Landscape Perspective [66.80315289020487]
Warmup-Stable-Decay (WSD) スケジュールは、一定の学習率を使用して、所定の計算予算なしで無限に継続できるイテレーションのメインブランチを生成する。
プレトレーニング損失は,河底に川がある深い谷に類似した河谷景観を呈することを示す。
この理論にインスパイアされたWSD-Sは、従来のチェックポイントの崩壊フェーズを再利用し、メインブランチを1つだけ保持するWSDの変種である。
論文 参考訳(メタデータ) (2024-10-07T16:49:39Z) - VegeDiff: Latent Diffusion Model for Geospatial Vegetation Forecasting [58.12667617617306]
地理空間植生予測タスクのためのVegeDiffを提案する。
VegeDiffは、植物の変化過程の不確かさを確率的に捉えるために拡散モデルを使用した最初の企業である。
植生の変化の不確かさを捉え、関連する変数の複雑な影響をモデル化することで、VegeDiffは既存の決定論的手法より優れている。
論文 参考訳(メタデータ) (2024-07-17T14:15:52Z) - Exact Solution of Bipartite Fluctuations in One-Dimensional Fermions [0.0]
量子多体系における流体力学の出現は、近年、関心が高まっている。
理論的には、一次元非相互作用フェルミオン力学における二部構造揺らぎのばらつきを理論的に研究する。
ここでの正確な解と数値的な発見は、量子多体力学における二部格子のゆらぎを増大させる基盤となる。
論文 参考訳(メタデータ) (2024-03-27T12:54:56Z) - Temporal Prediction and Evaluation of Brassica Growth in the Field using
Conditional Generative Adversarial Networks [1.2926587870771542]
植物の成長予測は、多種多様な環境要因によって影響を受けるため、大きな課題である。
本稿では,高スループット撮像センサ測定とその自動解析を含む新しいモニタリング手法を提案する。
提案手法のコアは条件付き生成型adversarial networkに基づく新しい機械学習ベースの成長モデルである。
論文 参考訳(メタデータ) (2021-05-17T13:00:01Z) - From the logistic-sigmoid to nlogistic-sigmoid: modelling the COVID-19
pandemic growth [0.0]
実世界の成長現象をモデル化するためのロジスティック成長のコンパクトで統一的な近代的定義として、ノロジカル・シグモイド関数を導入する。
具体的には、世界保健機関(WHO)が毎日発行する新型コロナウイルスの感染と死亡の時系列データをモデル化するために、この機能を応用する。
この結果から、新型コロナウイルスの感染拡大が進行している世界の被災国では、99%以上の適合が統計的に有意であることが明らかとなった。
論文 参考訳(メタデータ) (2020-08-06T15:33:48Z)
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。