基于人工神经网络的晶界滑移传递分类与度量选择
材料科学
2020-05-13 v1 计算物理
摘要
利用人工神经网络评估了六种度量及其组合在判断粗晶寡晶铝箔中滑移是否跨晶界传递方面的有效性 \citep{Bieler_etal2019_2,Alizadeh_etal2020}。该方法扩展了以往用于分析滑移传递的一维或二维投影。该二分类的准确率在最佳单一度量下达到约 \pcnt{87}，在同时考虑两个或更多度量时达到约 \pcnt{90}。结果表明滑移传递主要取决于晶粒间的几何关系。用 \num{40} 个测量值训练一个每层 \num{10} 个节点的双层网络足以达到最高准确率。
引用
@article{arxiv.2004.10167,
title = {Grain boundary slip transfer classification and metric selection with artificial neural networks},
author = {Zhuowen Zhao and Thomas R. Bieler and Javier LLorca and Philip Eisenlohr},
journal= {arXiv preprint arXiv:2004.10167},
year = {2020}
}