:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhao, Yingjie, Zhou, Hongbo, Zhang, Zian, Bo, Zhenxing, Sun, Baoan, Jiang, Minqiang, Xu, Zhiping
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Materials Science Machine Learning Computational Physics
Online-Zugang:	https://arxiv.org/abs/2403.07526
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Modular Combinatorial Development of Crystal‐Glass Nano‐Heterostructured Copper Alloys with Ultrahigh Strength and Large Deformability
von: Hongbo Zhou, et al.
Veröffentlicht: (2024)

Neural Network Modeling of Microstructure Complexity Using Digital Libraries
von: Zhao, Yingjie, et al.
Veröffentlicht: (2025)

Strength of 2D Glasses Explored by Machine-Learning Force Fields
von: Shi, Pengjie, et al.
Veröffentlicht: (2024)

Combinatorial Development of Amorphous/nanocrystalline Biphase Soft Magnetic Alloys with Silicon-steel like Saturated Magnetic Induction
von: Li, Xuesong, et al.
Veröffentlicht: (2025)

Predicting Brain Morphogenesis via Physics-Transfer Learning
von: Zhao, Yingjie, et al.
Veröffentlicht: (2025)

Machine Learning Interatomic Potentials for Million-Atom Simulations of Multicomponent Alloys
von: Shuang, Fei, et al.
Veröffentlicht: (2026)

Physically Consistent Machine Learning for Melting Temperature Prediction of Refractory High-Entropy Alloys
von: Hasnain, Mohd
Veröffentlicht: (2026)

Interpretable Machine Learning for High-Strength High-Entropy Alloy Design
von: Bajpai, Anurag, et al.
Veröffentlicht: (2024)

A Planning-and-Exploring Approach to Extreme-Mechanics Force Fields
von: Shi, Pengjie, et al.
Veröffentlicht: (2023)

Mechanical Performance Database for Low-Temperature Alloys
von: Tang, Haoxuan, et al.
Veröffentlicht: (2025)

Do Graph Neural Networks Work for High Entropy Alloys?
von: Zhang, Hengrui, et al.
Veröffentlicht: (2024)

High-Throughput Exploration of Refractory High-Entropy Alloys for Strength and Plasticity
von: Giles, Stephen A., et al.
Veröffentlicht: (2025)

Observation of Topological Hall Effect in a Chemically Complex Alloy
von: Jihao Yu, et al.
Veröffentlicht: (2024)

Multi-Label Phase Diagram Prediction in Complex Alloys via Physics-Informed Graph Attention Networks
von: Park, Eunjeong, et al.
Veröffentlicht: (2026)

Deep Learning-Based Surrogate Creep Modelling in Inconel 625: A High-Temperature Alloy Study
von: Das, Shubham, et al.
Veröffentlicht: (2025)

Data Driven Insights into Composition Property Relationships in FCC High Entropy Alloys
von: Flores, Nicolas, et al.
Veröffentlicht: (2025)

Kolmogorov-Arnold Neural Networks for High-Entropy Alloys Design
von: Bandyopadhyay, Yagnik, et al.
Veröffentlicht: (2024)

AtomComposer: Discovering Chemical Space from First Principles with Reinforcement Learning
von: Hastrup, Bjarke, et al.
Veröffentlicht: (2026)

Machine Learning-Driven Creep Law Discovery Across Alloy Compositional Space
von: Chen, Hongshun, et al.
Veröffentlicht: (2026)

Physics-Informed Gaussian Process Classification for Constraint-Aware Alloy Design
von: Hardcastle, Christofer, et al.
Veröffentlicht: (2025)

AlloyBERT: Alloy Property Prediction with Large Language Models
von: Chaudhari, Akshat, et al.
Veröffentlicht: (2024)

PGNAA Spectral Classification of Aluminium and Copper Alloys with Machine Learning
von: Folz, Henrik, et al.
Veröffentlicht: (2024)

Autonomous Multi-objective Alloy Design through Simulation-guided Optimization
von: Yang, Penghui, et al.
Veröffentlicht: (2025)

Mechanistic Transition from Screw to Edge Dislocation Glide Enhances High-Temperature Strength in Refractory Complex Concentrated Alloys
von: Zakia, Tamanna, et al.
Veröffentlicht: (2025)

Reinforcement Learning for Chemical Ordering in Alloy Nanoparticles
von: Elsborg, Jonas, et al.
Veröffentlicht: (2025)

Predictive Modeling and Uncertainty Quantification of Fatigue Life in Metal Alloys using Machine Learning
von: Chang, Jiang, et al.
Veröffentlicht: (2025)

Generative Inversion for Property-Targeted Materials Design: Application to Shape Memory Alloys
von: Li, Cheng, et al.
Veröffentlicht: (2025)

Identification of Empirical Constitutive Models for Age-Hardenable Aluminium Alloy and High-Chromium Martensitic Steel Using Symbolic Regression
von: Kabliman, Evgeniya, et al.
Veröffentlicht: (2025)

Supply Risk-Aware Alloy Discovery and Design
von: Mulukutla, Mrinalini, et al.
Veröffentlicht: (2024)

Heterogeneous Peridynamic Neural Operators: Discover Biotissue Constitutive Law and Microstructure From Digital Image Correlation Measurements
von: Jafarzadeh, Siavash, et al.
Veröffentlicht: (2024)

Uncertainty-Aware Machine-Learning Framework for Predicting Dislocation Plasticity and Stress-Strain Response in FCC Alloys
von: Luo, Jing, et al.
Veröffentlicht: (2025)

Dual Role of Nb in Defect-Mediated Strength and Ductility of γ-TiAl Alloys
von: Zhao, Zhiqiang, et al.
Veröffentlicht: (2025)

Enhanced Elevated-Temperature Strength in Refractory Complex Concentrated Alloys via Temperature-Induced Transition from Screw-to-Edge Dislocation Control
von: Zakia, Tamanna, et al.
Veröffentlicht: (2026)

Transition States Energies from Machine Learning: An Application to Reverse Water-Gas Shift on Single-Atom Alloys
von: Cheula, Raffaele, et al.
Veröffentlicht: (2025)

Enhancing Machine Learning Potentials through Transfer Learning across Chemical Elements
von: Röcken, Sebastien, et al.
Veröffentlicht: (2025)

Determinants of Self-Interstitial Energetics in Refractory High-Entropy Alloys
von: Zhang, Zichen, et al.
Veröffentlicht: (2026)

Accelerating CALPHAD-based Phase Diagram Predictions in Complex Alloys Using Universal Machine Learning Potentials: Opportunities and Challenges
von: Zhu, Siya, et al.
Veröffentlicht: (2024)

Automated design of nonreciprocal thermal emitters via Bayesian optimization
von: Do, Bach, et al.
Veröffentlicht: (2024)

On-Demand Growth of Semiconductor Heterostructures Guided by Physics-Informed Machine Learning
von: Shen, Chao, et al.
Veröffentlicht: (2024)

Beyond empirical models: Discovering new constitutive laws in solids with graph-based equation discovery
von: Xu, Hao, et al.
Veröffentlicht: (2025)