Loading...
机构名称:
¥ 1.0

为了应对这一挑战,Dierk Raabe及其同事开发了AI方法的鸡尾酒。此操作使团队能够在迭代过程中识别有希望的新合金,例如,对于Invar Steels。该过程以一项指令开头:“找到比常规选项便宜的温度范围x的invar合金。”在第一步中,AI系统从数据库中存储的数千种合金数据集中生成了大约一千个潜在的新不合金合金。接下来,包括人工神经网络在内的其他AI模型,将选项缩小到20或30个候选人。这些候选者通过物理计算进一步评估,例如基于密度功能理论的候选者。“材料的内部结构和特性取决于各种量子机械因素,例如原子或磁性之间的能量,”JörgNeugebauer解释说。“考虑到所有这些参数,并可以测试第一步中提出的合金是否表现出所需的特性。”

能量tran的材料

能量tran的材料PDF文件第1页

能量tran的材料PDF文件第2页

能量tran的材料PDF文件第3页

能量tran的材料PDF文件第4页

能量tran的材料PDF文件第5页

相关文件推荐

2024 年
¥2.0
2021 年
¥1.0
2025 年
¥1.0
2021 年
¥1.0
2024 年
¥1.0
2025 年
¥1.0
2025 年
¥1.0
2025 年
¥8.0
2024 年
¥4.0
2024 年
¥2.0
2024 年
¥1.0
2025 年
¥1.0
2024 年
¥1.0
2024 年
¥2.0
2024 年
¥2.0
2021 年
¥1.0
2024 年
¥1.0
2025 年
¥1.0
2021 年
¥2.0
2023 年
¥1.0
2023 年
¥2.0
2021 年
¥2.0
2023 年
¥4.0
2024 年
¥2.0
2025 年
¥1.0
2023 年
¥1.0