超硬材料の予測：硬化した骨のおかげで簡単に

超硬材料の予測：硬化した骨のおかげで簡単に

出典：中国超硬材料ネットワーク

要約：機械学習と組み合わせた情報と知識の伝達をサポートする大硬度モデルを活用して、さまざまな結晶材料のビッカース硬度（Hv）を予測します。 バッファローにある最新の王族の州立大学の化学科のアカデミックなEvaZurekによるチームジャンクション整流器。

機械学習と組み合わせた情報と知識の伝達をサポートする大硬度モデルを利用して、結晶材料の広がりのビッカース硬度（Hv）がしばしば予告されます。バッファローにある最新の王族の州立大学の化学科のアカデミックEvaZurekによるチーム接合整流器は、AFLOWの静かなインターフェースを介して、Hvとせん断弾性率の線形関係を取得し、ビッカース硬度Hvを計算しました。予想される結果の面積単位は、主要な原理計算の結果とスマートに一致し、実験結果とよく一致します。これらの手法により、機械学習の弾性特性をサポートする特定の結晶構造の手頃な硬度値をすばやく計算でき、これらの予測された硬度値を使用して、すべての超硬部品の一致を計算できます。このシステムは、準学士の有機プロセスアルゴリズムルール（EA）で適用されるため、炭素システムに適用されて、安定相と超硬相を検索します。彼らの検索では、安定したダイナミクス、低エネルギー、Hv> 40の基準を持つ、79のまったく異なるトポロジが見つかりました。そのうち、43のトポロジはこれまで報告されていませんでした。最近npjmachine Materials 5:89（2019）で印刷された、高価なダイヤモンドを交換するための低コストの超硬炭素材料を探すことが予測されています。

この研究では、さまざまな材料の実験的なビッカース硬度（Hv）と、3つのマクロ硬度モデルによって計算された硬度との間にスマートな一致があることがわかりました。せん断および/または弾性率は、3つのマクロ硬度モデルの最も特徴的な単位です。次の2つの方法で得られたパラメータ面積単位：i）フローAEL（フロー自動弾性ライブラリ）の第一原理計算モデル、および第2に、フロー情報内のファブリック知識がサンプルとして使用されます。また、機械学習（ml）モデルもトレーニングされています。安定した超硬材料を予測するために有機プロセス検索と組み合わせて使用できるHvメートル法の容量単位値をすばやく推定します。この手法は、XTal優先進化アルゴリズムルール内で実施されます。すべての結晶は、最も近い固有の最小値まで減少します。そのビッカース硬度は、川のせん断弾性率の線形関係から計算されます。各エネルギー/焓およびHvメートル法の容量単位面積単位は、構造の一致を検証しません。この戦略はカーボンシステムに適用され、43個の交換用超硬部品が配置されました。トポロジー分析は、予想される構造が、過剰な量のダイヤモンドおよび/またはポリゴン炭素構造を含むダイヤモンドよりもわずかに強いことを示しています。