相关实验视频
Updated: Jul 13, 2025
05:04
Determining the Mechanical Strength of Ultra-Fine-Grained Metals
Published on: November 22, 2021
2.3K
微观结构的内在维度和状态变量估计方法
Veera Sundararaghavan1, Megna N Shah2, Jeff P Simmons2
1Department of Aerospace Engineering, University of Michigan, Ann Arbor, Michigan 48109, USA.
Physical review. E
|October 18, 2023
概括
估计材料数据的维度对于理解材料行为至关重要. 这项研究发现Minkowski 1-norm对于材料科学中精确的维度估计至关重要,特别是在微观结构分析中.
科学领域:
- 材料科学 材料科学 材料科学
- 数据科学数据科学数据科学
- 计算材料科学科学 计算材料科学
背景情况:
- 多元假设表明,现实世界的数据存在于一个低维的多元.
- 了解这种多元是确定材料系统中独立的自由度和状态变量的关键.
- 材料科学提出了独特的挑战,包括准确的维度估计,处理随机/低位深度微结构,并将处理与微结构联系起来.
研究的目的:
- 探索对材料系统的多重维度的估计.
- 识别控制材料的独立自由度和潜在状态变量.
- 为了解决材料科学中的具体挑战,用于维度估计.
主要方法:
- 使用最大概率估计方法进行维度估计.
- 使用Minkowski p-norms,特别是Minkowski 1-norm (L1-norm/曼哈顿距离),来测量微观结构图像之间的距离.
- 应用同质化技术来估计随机微结构图像集的维度.
主要成果:
- 对于准确的维度估计,Minkowski 1 规范是必要的,特别是由于图像数据中的量子化扭曲.
- 同质化证明有效估计随机微结构的尺寸.
- 对于SiC/SiC纤维复合微结构,估计得到了40个维度.
- 从稀疏域图像中推断过程的多重特征,将处理与微观结构联系起来.
结论:
- 在材料科学中,准确的多重维度估计需要特定的距离指标,如Minkowski 1-norm.
- 同质化和稀疏域分析为微观结构和过程多元体的表征提供了可行的方法.
- 这项工作为通过缩小维度来理解和量化材料系统的复杂性提供了一个框架.
更多相关视频
07:37Full-field Strain Measurements for Microstructurally Small Fatigue Crack Propagation Using Digital Image Correlation Method
Published on: January 16, 2019
9.7K
07:24Quantitative Atomic-Site Analysis of Functional Dopants/Point Defects in Crystalline Materials by Electron-Channeling-Enhanced Microanalysis
Published on: May 10, 2021
6.1K
