| Título : |
Artificial Intelligence for Materials Science |
| Tipo de documento: |
documento electrónico |
| Autores: |
Cheng, Yuan, ; Wang, Tian, ; Zhang, Gang, |
| Mención de edición: |
1 ed. |
| Editorial: |
[s.l.] : Springer |
| Fecha de publicación: |
2021 |
| Número de páginas: |
VII, 228 p. 107 ilustraciones, 101 ilustraciones en color. |
| ISBN/ISSN/DL: |
978-3-030-68310-8 |
| Nota general: |
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. |
| Palabras clave: |
Ciencia de los Materiales Aprendizaje automático Materiales Ingeniería de Materiales |
| Índice Dewey: |
620.11 Materiales de Ingeniería |
| Resumen: |
Los métodos de aprendizaje automático han reducido el costo de explorar nuevas estructuras de compuestos desconocidos y pueden usarse para predecir expectativas razonables y posteriormente validarse mediante resultados experimentales. Dado que en los últimos años se han desarrollado nuevos conocimientos y varias herramientas de elaboración para la ciencia y la ingeniería de materiales, es un momento apropiado para presentar un libro que cubra los avances recientes en este campo. Las bases de datos interactivas y con capacidad de búsqueda pueden promover la investigación sobre materiales emergentes. Recientemente, se han desarrollado bases de datos que contienen una gran cantidad de propiedades de materiales de alta calidad para el descubrimiento de nuevos materiales avanzados. Estos enfoques tendrán un impacto significativo en la vida humana y, con el surgimiento de numerosos desarrollos comerciales, se convertirán en un tema académico importante en los próximos años. Este libro completo y autorizado será de interés tanto para los investigadores existentes en este campo como para otros miembros de la comunidad de ciencia de materiales que deseen aprovechar estas poderosas técnicas. El libro ofrece una variedad global de autores, de EE. UU., Canadá, Reino Unido, Japón, Francia, Rusia, China y Singapur, todos ellos expertos reconocidos mundialmente en sus distintas áreas. Con contenido relevante tanto para el punto de vista académico como comercial, y ofreciendo una visión general accesible de los avances recientes y las posibles direcciones futuras, el libro interesará a estudiantes de posgrado, investigadores de posgrado, consultores e ingenieros industriales. |
| Nota de contenido: |
Chapter 1. Brief Introduction of the Machine Learning Method -- Chapter 2. Machine learning for high-entropy alloys -- Chapter 3. Two-way TrumpetNets and TubeNets for Identification of Material Parameters -- Chapter 4. Machine learning interatomic force fields for carbon allotropic materials -- Chapter 5. Genetic Algorithms -- Chapter 6. Accelerated Discovery of Thermoelectric Materials using Machine Learning -- Chapter 7. Thermal nanostructure design based on materials informatics. - Chapter 8. Machine Learning Accelerated Insights of Perovskite Materials. |
| 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 |
Artificial Intelligence for Materials Science [documento electrónico] / Cheng, Yuan, ; Wang, Tian, ; Zhang, Gang, . - 1 ed. . - [s.l.] : Springer, 2021 . - VII, 228 p. 107 ilustraciones, 101 ilustraciones en color. ISBN : 978-3-030-68310-8 Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
| Palabras clave: |
Ciencia de los Materiales Aprendizaje automático Materiales Ingeniería de Materiales |
| Índice Dewey: |
620.11 Materiales de Ingeniería |
| Resumen: |
Los métodos de aprendizaje automático han reducido el costo de explorar nuevas estructuras de compuestos desconocidos y pueden usarse para predecir expectativas razonables y posteriormente validarse mediante resultados experimentales. Dado que en los últimos años se han desarrollado nuevos conocimientos y varias herramientas de elaboración para la ciencia y la ingeniería de materiales, es un momento apropiado para presentar un libro que cubra los avances recientes en este campo. Las bases de datos interactivas y con capacidad de búsqueda pueden promover la investigación sobre materiales emergentes. Recientemente, se han desarrollado bases de datos que contienen una gran cantidad de propiedades de materiales de alta calidad para el descubrimiento de nuevos materiales avanzados. Estos enfoques tendrán un impacto significativo en la vida humana y, con el surgimiento de numerosos desarrollos comerciales, se convertirán en un tema académico importante en los próximos años. Este libro completo y autorizado será de interés tanto para los investigadores existentes en este campo como para otros miembros de la comunidad de ciencia de materiales que deseen aprovechar estas poderosas técnicas. El libro ofrece una variedad global de autores, de EE. UU., Canadá, Reino Unido, Japón, Francia, Rusia, China y Singapur, todos ellos expertos reconocidos mundialmente en sus distintas áreas. Con contenido relevante tanto para el punto de vista académico como comercial, y ofreciendo una visión general accesible de los avances recientes y las posibles direcciones futuras, el libro interesará a estudiantes de posgrado, investigadores de posgrado, consultores e ingenieros industriales. |
| Nota de contenido: |
Chapter 1. Brief Introduction of the Machine Learning Method -- Chapter 2. Machine learning for high-entropy alloys -- Chapter 3. Two-way TrumpetNets and TubeNets for Identification of Material Parameters -- Chapter 4. Machine learning interatomic force fields for carbon allotropic materials -- Chapter 5. Genetic Algorithms -- Chapter 6. Accelerated Discovery of Thermoelectric Materials using Machine Learning -- Chapter 7. Thermal nanostructure design based on materials informatics. - Chapter 8. Machine Learning Accelerated Insights of Perovskite Materials. |
| 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 |
|  |
Hacer una sugerencia Refinar búsqueda
