Autor Lookman, Turab
|
|
Documentos disponibles escritos por este autor (2)
Hacer una sugerencia Refinar búsqueda
Título : Frustrated Materials and Ferroic Glasses Tipo de documento: documento electrónico Autores: Lookman, Turab, ; Ren, Xiaobing, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2018 Número de páginas: XIII, 276 p. 153 ilustraciones, 133 ilustraciones en color. ISBN/ISSN/DL: 978-3-319-96914-5 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Magnetismo Materiales cerámicos Microtecnología Sistemas micro electromecánicos Nanoquímica Materiales ópticos Materia Condensada Cerámica Microsistemas y MEMS Física de la Materia Condensada Índice Dewey: 538 Magnetismo Resumen: Este libro proporciona una introducción completa a los ferroicos y los materiales frustrados. Los ferroicos comprenden una variedad de clases de materiales con funcionalidades como magnetismo, polarización y grados orbitales de libertad y tensión. La frustración, debida a restricciones geométricas, y el desorden, debido a faltas de homogeneidad química y/o estructural, pueden conducir a un comportamiento vítreo, que ha sido directamente observado o inferido en una variedad de clases de materiales a partir de sistemas modelo como el hielo artificial, la memoria de forma. aleaciones y ferroeléctricos hasta materiales electrónicamente funcionales como las manganitas. Se han descubierto propiedades interesantes e inusuales asociadas con estos vidrios y tienen potencial para aplicaciones novedosas. Al igual que en los vidrios giratorios y estructurales prototípicos, los elementos de frustración y desorden conducen a la no ergodocidad, la dependencia de la historia, el comportamiento de relajación dependiente de la frecuencia y la presencia de nanogrupos o dominios no homogéneos. Además, existen nuevos estados de la materia, como el hielo en espín; sin embargo, sigue siendo una cuestión abierta si estos sistemas pertenecen a la misma familia o clase de universalidad. El propósito de este trabajo es recopilar en un solo volumen la gama de sistemas materiales con diferentes funcionalidades que muestran muchas de las características comunes de la frustración geométrica, donde los grados de libertad que interactúan no encajan en una red o medio, y el comportamiento vítreo va acompañado. por la presencia adicional de desorden. Los capítulos están escritos por expertos en sus campos y abarcan experimentos y teorías, así como simulaciones. Frustrated Materials and Ferroic Glasses será de interés para una amplia gama de lectores de física de la materia condensada y ciencia de materiales. Reúne a expertos en gafas, frustración geométrica y materiales funcionales. Cubre teoría, experimentos y simulaciones de ferroicos. Presenta una introducción fácil de leer en cada capítulo para hacer que los temas especializados sean accesibles a un amplio número de lectores en física de la materia condensada y ciencia de materiales. Nota de contenido: List of Contributors -- Preface -- 1 What can spin glass theory and analogies tell us about ferroic glasses? -- 2 Spin glasses: Experimental signatures and salient outcomes -- 3 Frustration(s) and the Ice Rule: From Natural Materials to the Deliberate Design of Exotic Behaviors -- 4 Glassy phenomena and precursors in the lattice dynamics -- 5 Relaxor Ferroelectrics -- 6 Probing glassiness in Heuslers via density functional theory calculations -- 7 Strain glasses -- 8 Discrete pseudo spin and continuum models for strain glass -- 9 Mesoscopic modelling of strain glass -- 10 Phase field simulations of ferroic glasses. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i Frustrated Materials and Ferroic Glasses [documento electrónico] / Lookman, Turab, ; Ren, Xiaobing, . - 1 ed. . - [s.l.] : Springer, 2018 . - XIII, 276 p. 153 ilustraciones, 133 ilustraciones en color.
ISBN : 978-3-319-96914-5
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Palabras clave: Magnetismo Materiales cerámicos Microtecnología Sistemas micro electromecánicos Nanoquímica Materiales ópticos Materia Condensada Cerámica Microsistemas y MEMS Física de la Materia Condensada Índice Dewey: 538 Magnetismo Resumen: Este libro proporciona una introducción completa a los ferroicos y los materiales frustrados. Los ferroicos comprenden una variedad de clases de materiales con funcionalidades como magnetismo, polarización y grados orbitales de libertad y tensión. La frustración, debida a restricciones geométricas, y el desorden, debido a faltas de homogeneidad química y/o estructural, pueden conducir a un comportamiento vítreo, que ha sido directamente observado o inferido en una variedad de clases de materiales a partir de sistemas modelo como el hielo artificial, la memoria de forma. aleaciones y ferroeléctricos hasta materiales electrónicamente funcionales como las manganitas. Se han descubierto propiedades interesantes e inusuales asociadas con estos vidrios y tienen potencial para aplicaciones novedosas. Al igual que en los vidrios giratorios y estructurales prototípicos, los elementos de frustración y desorden conducen a la no ergodocidad, la dependencia de la historia, el comportamiento de relajación dependiente de la frecuencia y la presencia de nanogrupos o dominios no homogéneos. Además, existen nuevos estados de la materia, como el hielo en espín; sin embargo, sigue siendo una cuestión abierta si estos sistemas pertenecen a la misma familia o clase de universalidad. El propósito de este trabajo es recopilar en un solo volumen la gama de sistemas materiales con diferentes funcionalidades que muestran muchas de las características comunes de la frustración geométrica, donde los grados de libertad que interactúan no encajan en una red o medio, y el comportamiento vítreo va acompañado. por la presencia adicional de desorden. Los capítulos están escritos por expertos en sus campos y abarcan experimentos y teorías, así como simulaciones. Frustrated Materials and Ferroic Glasses será de interés para una amplia gama de lectores de física de la materia condensada y ciencia de materiales. Reúne a expertos en gafas, frustración geométrica y materiales funcionales. Cubre teoría, experimentos y simulaciones de ferroicos. Presenta una introducción fácil de leer en cada capítulo para hacer que los temas especializados sean accesibles a un amplio número de lectores en física de la materia condensada y ciencia de materiales. Nota de contenido: List of Contributors -- Preface -- 1 What can spin glass theory and analogies tell us about ferroic glasses? -- 2 Spin glasses: Experimental signatures and salient outcomes -- 3 Frustration(s) and the Ice Rule: From Natural Materials to the Deliberate Design of Exotic Behaviors -- 4 Glassy phenomena and precursors in the lattice dynamics -- 5 Relaxor Ferroelectrics -- 6 Probing glassiness in Heuslers via density functional theory calculations -- 7 Strain glasses -- 8 Discrete pseudo spin and continuum models for strain glass -- 9 Mesoscopic modelling of strain glass -- 10 Phase field simulations of ferroic glasses. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i Materials Discovery and Design / Lookman, Turab ; Eidenbenz, Stephan ; Alexander, Frank ; Barnes, Cris
Título : Materials Discovery and Design : By Means of Data Science and Optimal Learning Tipo de documento: documento electrónico Autores: Lookman, Turab, ; Eidenbenz, Stephan, ; Alexander, Frank, ; Barnes, Cris, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2018 Número de páginas: XVI, 256 p. 98 ilustraciones, 88 ilustraciones en color. ISBN/ISSN/DL: 978-3-319-99465-9 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Física matemática Material Procesamiento de datos Materiales Matemáticas Análisis numérico Física Teórica Matemática y Computacional Caracterización y Técnica Analítica Minería de datos y descubrimiento de conocimientos Ingeniería de Materiales Ciencias e Ingeniería Computacional Índice Dewey: 530.1 Teoría y física matemática Resumen: Este libro aborda el estado actual, los desafíos y las direcciones futuras del descubrimiento y diseño de materiales basados en datos. Presenta el análisis y el aprendizaje a partir de datos como un tema clave en muchas aplicaciones relacionadas con la ciencia y la cibernética. Se esbozan las desafiantes preguntas abiertas, así como las direcciones futuras en la aplicación de la ciencia de datos a los problemas de materiales. Las instalaciones computacionales y experimentales generan hoy enormes cantidades de datos a un ritmo sin precedentes. El libro ofrece orientación para descubrir nuevos conocimientos que permitan la innovación de materiales para abordar grandes desafíos en energía, medio ambiente y seguridad, y el vínculo más claro necesario entre los datos de estas instalaciones y la teoría y la ciencia subyacente. El papel de los métodos de inferencia y optimización a la hora de destilar los datos y limitar las predicciones utilizando conocimientos y resultados de la teoría es clave para lograr los objetivos deseados del análisis y la retroalimentación en tiempo real. Por lo tanto, la importancia de este libro radica en enfatizar que el valor total del descubrimiento impulsado por el conocimiento utilizando datos sólo puede lograrse integrando las ciencias estadísticas y de la información con la ciencia de los materiales, que depende cada vez más de esfuerzos de recopilación de datos experimentales y computacionales de alto rendimiento y a gran escala. . Este es especialmente el caso a medida que entramos en una nueva era de big data en la ciencia de materiales con la planificación de futuras instalaciones experimentales como la fuente de luz coherente Linac en Stanford (LCLS-II), el láser europeo de electrones libres de rayos X (EXFEL) y MaRIE (Matter Radiation in Extremes), la instalación conceptual exclusiva del Laboratorio Nacional de Los Álamos. Se espera que estas instalaciones generen de cientos de terabytes a varios petabytes de datos resueltos espacial y temporalmente in situ por muestra. Las preguntas que surgen entonces incluyen cómo podemos aprender de los datos para acelerar el procesamiento y análisis de la microestructura reconstruida, mapear rápidamente propiedades resueltas espacialmente a partir de datos de alto rendimiento, diseñar diagnósticos para la detección de patrones y guiar experimentos hacia las propiedades específicas deseadas. Los autores son un grupo interdisciplinario de destacados expertos que acercan al lector la emoción del naciente y emergente campo de la informática de materiales. . Nota de contenido: Part 1: Learning from Data in Material Science -- Designing Novel Multifunctional Materials via Inverse Optimization Techniques -- Quantifying Uncertainties in First Principles Alloy Thermodynamics -- Forward Modeling of Electron Scattering Modalities for Microstructure Quantification -- The Potential of Network Analysis Strategies to HEDM Data: Classification of Microstructures and Prediction of Incipient Failure -- Part 2: Data and Inference -- Challenges of Diagram extraction and Understanding -- Integration of Computational Reasoning, Machine Learning, and Crowdsourcing for Accelerating Materials Discovery -- Computational Creativity for Materials Science -- Optimal Experimental Design Based on Uncertainty Quantification -- Part 3: High-Throughput Calculations and Experiments Functionality-Driven Design and Discovery -- The Use of Proxies and Data for Guiding Materials Synthesis: Examples of Phosphors and Thermoelectrics -- Big Data from Experiments -- Data-Driven Approaches to Combinatorial Materials Science -- Invariant Representations for Robust Materials Prediction -- Part 4: Data Optimization/Challenges in Analysis of Data for Facilities -- The MGI Data Infrastructure -- Is Rigorous Automated Materials Design and Discovery Possible? -- Improve your Monte Carlo: Learn a Control Variate and Correct it with Stacking -- X-ray Free Electron Laser Studies of Shock-Driven Deformation and Phase Transitions -- Coherent Diffraction Imaging Techniques at 3rd and 4th Generation Light Sources -- 3D Data Challenges from X-ray Synchrotron Tomography -- Part 5: Interference/HPC/Software Integration -- Optimal Bayesian Experimental Design: Formulations and New Computational Strategies -- Optimal Bayesian Inference with Missing Data -- Applying an Experimental Design Loop to Shape Memory Alloys -- Big Data Need Big Theory Too -- Combining Experiments, Simulation and Machine Learning in a Single Materials Platform - A Materials Informatics Approach -- Rethinking the HPC Programming Environment. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i Materials Discovery and Design : By Means of Data Science and Optimal Learning [documento electrónico] / Lookman, Turab, ; Eidenbenz, Stephan, ; Alexander, Frank, ; Barnes, Cris, . - 1 ed. . - [s.l.] : Springer, 2018 . - XVI, 256 p. 98 ilustraciones, 88 ilustraciones en color.
ISBN : 978-3-319-99465-9
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Palabras clave: Física matemática Material Procesamiento de datos Materiales Matemáticas Análisis numérico Física Teórica Matemática y Computacional Caracterización y Técnica Analítica Minería de datos y descubrimiento de conocimientos Ingeniería de Materiales Ciencias e Ingeniería Computacional Índice Dewey: 530.1 Teoría y física matemática Resumen: Este libro aborda el estado actual, los desafíos y las direcciones futuras del descubrimiento y diseño de materiales basados en datos. Presenta el análisis y el aprendizaje a partir de datos como un tema clave en muchas aplicaciones relacionadas con la ciencia y la cibernética. Se esbozan las desafiantes preguntas abiertas, así como las direcciones futuras en la aplicación de la ciencia de datos a los problemas de materiales. Las instalaciones computacionales y experimentales generan hoy enormes cantidades de datos a un ritmo sin precedentes. El libro ofrece orientación para descubrir nuevos conocimientos que permitan la innovación de materiales para abordar grandes desafíos en energía, medio ambiente y seguridad, y el vínculo más claro necesario entre los datos de estas instalaciones y la teoría y la ciencia subyacente. El papel de los métodos de inferencia y optimización a la hora de destilar los datos y limitar las predicciones utilizando conocimientos y resultados de la teoría es clave para lograr los objetivos deseados del análisis y la retroalimentación en tiempo real. Por lo tanto, la importancia de este libro radica en enfatizar que el valor total del descubrimiento impulsado por el conocimiento utilizando datos sólo puede lograrse integrando las ciencias estadísticas y de la información con la ciencia de los materiales, que depende cada vez más de esfuerzos de recopilación de datos experimentales y computacionales de alto rendimiento y a gran escala. . Este es especialmente el caso a medida que entramos en una nueva era de big data en la ciencia de materiales con la planificación de futuras instalaciones experimentales como la fuente de luz coherente Linac en Stanford (LCLS-II), el láser europeo de electrones libres de rayos X (EXFEL) y MaRIE (Matter Radiation in Extremes), la instalación conceptual exclusiva del Laboratorio Nacional de Los Álamos. Se espera que estas instalaciones generen de cientos de terabytes a varios petabytes de datos resueltos espacial y temporalmente in situ por muestra. Las preguntas que surgen entonces incluyen cómo podemos aprender de los datos para acelerar el procesamiento y análisis de la microestructura reconstruida, mapear rápidamente propiedades resueltas espacialmente a partir de datos de alto rendimiento, diseñar diagnósticos para la detección de patrones y guiar experimentos hacia las propiedades específicas deseadas. Los autores son un grupo interdisciplinario de destacados expertos que acercan al lector la emoción del naciente y emergente campo de la informática de materiales. . Nota de contenido: Part 1: Learning from Data in Material Science -- Designing Novel Multifunctional Materials via Inverse Optimization Techniques -- Quantifying Uncertainties in First Principles Alloy Thermodynamics -- Forward Modeling of Electron Scattering Modalities for Microstructure Quantification -- The Potential of Network Analysis Strategies to HEDM Data: Classification of Microstructures and Prediction of Incipient Failure -- Part 2: Data and Inference -- Challenges of Diagram extraction and Understanding -- Integration of Computational Reasoning, Machine Learning, and Crowdsourcing for Accelerating Materials Discovery -- Computational Creativity for Materials Science -- Optimal Experimental Design Based on Uncertainty Quantification -- Part 3: High-Throughput Calculations and Experiments Functionality-Driven Design and Discovery -- The Use of Proxies and Data for Guiding Materials Synthesis: Examples of Phosphors and Thermoelectrics -- Big Data from Experiments -- Data-Driven Approaches to Combinatorial Materials Science -- Invariant Representations for Robust Materials Prediction -- Part 4: Data Optimization/Challenges in Analysis of Data for Facilities -- The MGI Data Infrastructure -- Is Rigorous Automated Materials Design and Discovery Possible? -- Improve your Monte Carlo: Learn a Control Variate and Correct it with Stacking -- X-ray Free Electron Laser Studies of Shock-Driven Deformation and Phase Transitions -- Coherent Diffraction Imaging Techniques at 3rd and 4th Generation Light Sources -- 3D Data Challenges from X-ray Synchrotron Tomography -- Part 5: Interference/HPC/Software Integration -- Optimal Bayesian Experimental Design: Formulations and New Computational Strategies -- Optimal Bayesian Inference with Missing Data -- Applying an Experimental Design Loop to Shape Memory Alloys -- Big Data Need Big Theory Too -- Combining Experiments, Simulation and Machine Learning in a Single Materials Platform - A Materials Informatics Approach -- Rethinking the HPC Programming Environment. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i
