دانلود مقاله انگلیسی رایگان:مدل های یادگیری ماشین برای پیش بینی هدایت حرارتی شبکه از مواد معدنی - 2019
بلافاصله پس از پرداخت دانلود کنید
دانلود مقاله انگلیسی یادگیری ماشین رایگان
  • Machine learning models for the lattice thermal conductivity prediction of inorganic materials Machine learning models for the lattice thermal conductivity prediction of inorganic materials
    Machine learning models for the lattice thermal conductivity prediction of inorganic materials

    سال انتشار:

    2019


    عنوان انگلیسی مقاله:

    Machine learning models for the lattice thermal conductivity prediction of inorganic materials


    ترجمه فارسی عنوان مقاله:

    مدل های یادگیری ماشین برای پیش بینی هدایت حرارتی شبکه از مواد معدنی


    منبع:

    Sciencedirect - Elsevier - Computational Materials Science, 170 (2019) 109155: doi:10:1016/j:commatsci:2019:109155


    نویسنده:

    Lihua Chen, Huan Tran, Rohit Batra, Chiho Kim, Rampi Ramprasad⁎


    چکیده انگلیسی:

    The lattice thermal conductivity (κL) is a critical property of thermoelectrics, thermal barrier coating materials and semiconductors. While accurate empirical measurements of κL are extremely challenging, it is usually approximated through computational approaches, such as semi-empirical models, Green-Kubo formalism coupled with molecular dynamics simulations, and first-principles based methods. However, these theoretical methods are not only limited in terms of their accuracy, but sometimes become computationally intractable owing to their cost. Thus, in this work, we build a machine learning (ML)-based model to accurately and instantly predict κL of inorganic materials, using a benchmark data set of experimentally measured κL of about 100 inorganic materials. We use advanced and universal feature engineering techniques along with the Gaussian process regression algorithm, and compare the performance of our ML model with past theoretical works. The trained ML model is not only helpful for rational design and screening of novel materials, but we also identify key features governing the thermal transport behavior in non-metals.
    Keywords: Lattice thermal conductivity | Inorganic materials | Machine learning Models


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 6
    حجم فایل: 531 کیلوبایت

    قیمت: رایگان


    توضیحات اضافی:




اگر این مقاله را پسندیدید آن را در شبکه های اجتماعی به اشتراک بگذارید (برای به اشتراک گذاری بر روی ایکن های زیر کلیک کنید)

تعداد نظرات : 0

الزامی
الزامی
الزامی
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی