| TÃtulo : |
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. |
| Idioma : |
Inglés (eng) |
| Palabras clave: |
Ciencia de los Materiales Aprendizaje automático Materiales IngenierÃa de Materiales |
| Clasificación: |
620.11 |
| 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 ingenierÃa 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. |
| Tipo de medio : |
Computadora |
| Summary : |
Machine learning methods have lowered the cost of exploring new structures of unknown compounds, and can be used to predict reasonable expectations and subsequently validated by experimental results. As new insights and several elaborative tools have been developed for materials science and engineering in recent years, it is an appropriate time to present a book covering recent progress in this field. Searchable and interactive databases can promote research on emerging materials. Recently, databases containing a large number of high-quality materials properties for new advanced materials discovery have been developed. These approaches are set to make a significant impact on human life and, with numerous commercial developments emerging, will become a major academic topic in the coming years. This authoritative and comprehensive book will be of interest to both existing researchers in this field as well as others in the materials science community who wish to takeadvantage of these powerful techniques. The book offers a global spread of authors, from USA, Canada, UK, Japan, France, Russia, China and Singapore, who are all world recognized experts in their separate areas. With content relevant to both academic and commercial points of view, and offering an accessible overview of recent progress and potential future directions, the book will interest graduate students, postgraduate researchers, and consultants and industrial engineers. |
| Enlace de acceso : |
https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] |
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. Idioma : Inglés ( eng)
| Palabras clave: |
Ciencia de los Materiales Aprendizaje automático Materiales IngenierÃa de Materiales |
| Clasificación: |
620.11 |
| 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 ingenierÃa 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. |
| Tipo de medio : |
Computadora |
| Summary : |
Machine learning methods have lowered the cost of exploring new structures of unknown compounds, and can be used to predict reasonable expectations and subsequently validated by experimental results. As new insights and several elaborative tools have been developed for materials science and engineering in recent years, it is an appropriate time to present a book covering recent progress in this field. Searchable and interactive databases can promote research on emerging materials. Recently, databases containing a large number of high-quality materials properties for new advanced materials discovery have been developed. These approaches are set to make a significant impact on human life and, with numerous commercial developments emerging, will become a major academic topic in the coming years. This authoritative and comprehensive book will be of interest to both existing researchers in this field as well as others in the materials science community who wish to takeadvantage of these powerful techniques. The book offers a global spread of authors, from USA, Canada, UK, Japan, France, Russia, China and Singapore, who are all world recognized experts in their separate areas. With content relevant to both academic and commercial points of view, and offering an accessible overview of recent progress and potential future directions, the book will interest graduate students, postgraduate researchers, and consultants and industrial engineers. |
| Enlace de acceso : |
https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] |
|  |
Crear una solicitud de compra Refinar búsqueda
