在粒子形状系统中对复杂的局部环境进行分类,通过形状对称编码的数据增强
Shih-Kuang Alex Lee1, Sun-Ting Tsai2, Sharon C Glotzer1,2,3
1Department of Material Science and Engineering, University of Michigan, Ann Arbor, Michigan 48109, USA.
我们开发了一种机器学习方法,以在粒子形状自组装中对本地环境进行分类. 这种方法有效地分析复杂的系统,而不需要传统的对称函数.
科学领域:
- 材料科学 材料科学 材料科学
- 计算化学计算化学
- 统计物理 统计物理
背景情况:
- 分析局部环境是理解晶核和体粒子自组合的关键.
- 机器学习为复杂系统提供了先进的工具,但它对粒子形状自组装的应用是有限的.
研究的目的:
- 引入一种新的,与物理学无关的机器学习方法,用于在粒子形状自组装中对本地环境进行分类.
- 解决机器学习在涉及粒子形状和方向的系统中尚未探索的应用问题.
主要方法:
- 训练多层感知子 (MLP) 作为粒子形状系统的局部环境分类器.
- 使用粒子距离和方向作为输入特征.
- 采用形状对称编码的数据增强技术,用于没有传统对称函数的监督训练.
主要成果:
- 在四种不同的自我组装场景中证明了MLP分类器的有效性:立方结构,2D/3D不齐的粒子,六角双金字塔和截断的形状.
- 验证了简单灵活的培训流程和数据增强技术.
结论:
- 拟议的MLP方法为研究粒子形状系统的自我组装提供了一个强大且易于使用的工具.
- 这种方法在识别各种基于粒子或分子系统中的结构方面具有潜在的应用,其中粒子方向是相关的.
更多相关视频
10:10Three-Dimensional Particle Shape Analysis Using X-ray Computed Tomography: Experimental Procedure and Analysis Algorithms for Metal Powders
Published on: December 4, 2020
08:59Morphology-Based Distinction Between Healthy and Pathological Cells Utilizing Fourier Transforms and Self-Organizing Maps
Published on: October 28, 2018
相关概念视频
Plastic Deformations of Members with a Single Plane of Symmetry
Gauss's Law: Planar Symmetry
Gauss's Law: Spherical Symmetry
Gauss's Law: Cylindrical Symmetry
Classification of Systems-II
Structural Classification of Joints
A fibrous joint is where the adjacent bones are united by fibrous connective...
