свойства на материала за машинно обучение

материала

Ние преодоляваме това ограничение, като използваме само ... Машинно обучение на свойствата на енергийните материали Брайън К. Барнс1, Даниел К. Елтън2, Зоис Букувалас2, ДеКарлос Е. Тейлър1, Уилям Д. Матсън1, Марк Д. Фуге2 и Питър У. Чунг2 1Енергетични материали Branch, RDRL-WML-B, Изследователска лаборатория на армията на САЩ, Aberdeen Proving Ground, MD, 21005-5066, USA Машинното обучение е по-точно и удобно от човешката преценка при анализа на материала. 5.1.2 Анализ на наноматериали.

5.1 Анализ на свойствата на материала 5.1.1 Откриване на влошаване. Лабораторните тестове или дори подробни компютърни симулации за определяне на точните им свойства, като издръжливост, могат да отнемат часове, дни или повече за всяка вариация. Правилно обученият модел на ML може да прави полезни прогнози за свойствата на даден кандидат материал за милисекунди, а не за часове или дни 4 .

. Информация за възпроизвеждане на материали от статии на RSC с различни лицензи е достъпна на нашата страница с искания за разрешения. Тези нови алгоритми формират част от система за анализ на данни, която интегрира извличане на данни, бази данни за материали и инструменти за измерване, за да осигури анализ на пропускателната способност на данните за материалите. Високопроизводителният скрининг на периодични неорганични твърди вещества с помощта на методи за машинно обучение изисква атомни позиции за кодиране на структурни и композиционни детайли в подходящи дескриптори на материала. Изследователите предлагат да се използват методи за машинно обучение, за да се предскажат свойствата на изкуствените кристали от сапфир. Изследователите предлагат да се използват методи за машинно обучение, за да се предскажат свойствата на изкуствените кристали от сапфир.