一个基于机器学习的框架,用于在原子尺度上绘制的地图
Qingkun Zhao1,2, Qi Zhu2, Zhenghao Zhang1
1Department of Engineering Mechanics, State Key Laboratory of Fluid Power and Mechatronic Systems, Center for X-mechanics, Zhejiang University, Hangzhou 310027, People's Republic of China.
一个新的机器学习框架,Atom-H,使得原子的原子尺度成像. 这一突破为的脆化和金属中的物质降解提供了关键的见解.
科学领域:
- 材料科学 材料科学 材料科学
- 纳米技术 纳米技术
- 计算科学 计算科学
背景情况:
- 对于清洁能源和工业至关重要,但会导致材料降解,如脆性.
- 在原子尺度上像气这样的光原子的成像是一个重要的科学挑战.
- 了解与材料的相互作用对于开发强大的技术至关重要.
研究的目的:
- 介绍Atom-H,一种用于原子规模气成像的机器学习框架.
- 为了可视化的分布和材料缺陷的局部应力.
- 为引发的机械行为提供原子层面的洞察力.
主要方法:
- 开发了一种通用的机器学习框架,名为Atom-H.
- 使用高分辨率电子显微镜图像作为输入数据.
- 应用框架来分析金属材料中的分布和应力.
主要成果:
- 原子-H精确地对原子和局部应力在晶格缺陷 (位移,粒边界,裂,相边界) 的图像.
- 该框架提供了对纯金属 (Ni,Fe,Ti) 和合金 (FeCr) 的控制机械行为的原子级洞察力.
- 证明了能够高精度地绘制"隐形"原子的能力.
结论:
- 原子-H为研究缩提供了一个强大的新工具.
- 该框架在材料科学和工程领域有直接的应用.
- 预计Atom-H将推进跨科学学科的"隐形"原子的绘制.
更多相关视频
14:11Quantification of Hydrogen Concentrations in Surface and Interface Layers and Bulk Materials through Depth Profiling with Nuclear Reaction Analysis
Published on: March 29, 2016
10:52Multiscale Sampling of a Heterogeneous Water/Metal Catalyst Interface using Density Functional Theory and Force-Field Molecular Dynamics
Published on: April 12, 2019
相关概念视频
Hydrogen Bonds
Hybridization of Atomic Orbitals II
Hybridization of Atomic Orbitals I
Molecular Models
