用机器学习量化复杂材料传播的贡献
Soham Chattopadhyay1, Dallas R Trinkle1
1Department of Materials Science and Engineering, University of Illinois, Urbana-Champaign, Illinois 61801, USA.
Physical review letters
|May 17, 2024
概括
我们开发了一种机器学习方法,通过计算"kinosons",个人扩散贡献来模拟合金中的扩散. 这种方法非常有效,为宏观扩散性提供了新的分析模型.
科学领域:
- 材料科学 材料科学 材料科学
- 计算材料科学科学 计算材料科学
- 机器学习应用 机器学习应用
背景情况:
- 在复杂的多元合金中模拟扩散是计算密集的.
- 传统方法通常需要计算整个原子轨迹,从而限制了效率.
研究的目的:
- 开发一种更有效的方法来模拟复杂合金中的扩散.
- 了解控制扩散的基本动力机制.
- 为宏观扩散性创建准确的分析模型.
主要方法:
- 利用了机器学习,使用了扩散率的变量公式.
- 重构扩散作为个人贡献的总和,称为"kinosons".
- 计算了基诺子的统计分布,以建模合金的行为.
主要成果:
- 计算kinosons比计算整个轨迹高效的数量级.
- 该方法阐明了扩散的动力机制.
- 基诺子与温度的密度产生了宏观扩散性新的精确分析模型.
结论:
- 机器学习和扩散理论的结合为材料建模提供了重大进展.
- 这种方法有望为其他复杂材料的行为提供新的见解.
- 激素分析为理解和预测材料特性提供了强大的工具.
更多相关视频
06:34In Situ Monitoring of Diffusion of Guest Molecules in Porous Media Using Electron Paramagnetic Resonance Imaging
Published on: September 2, 2016
6.4K
06:55Synthesis of Cyclic Polymers and Characterization of Their Diffusive Motion in the Melt State at the Single Molecule Level
Published on: September 26, 2016
7.9K
