利用人工神经网络预测陶瓷材料成分的功能特性
材料科学
2007-05-23 v1 无序系统与神经网络
摘要
我们描述了用于预测陶瓷材料特性的人工神经网络（ANN）的开发。本文研究的陶瓷包括多晶、无机、非金属材料，并基于其介电和离子特性进行研究。介电材料在电信应用中备受关注，用于调谐和滤波设备。离子导体和混合导体是寻找可纳入高效、清洁电化学器件的新材料的协同努力的主题，这些器件在能源生产和温室气体减排应用中具有重要意义。采用反向传播算法训练多层感知器ANN，并利用从文献中获得的数据来学习系统输入与输出之间的成分-性能关系。训练后的网络利用成分信息预测陶瓷材料的相对介电常数和氧扩散特性。结果表明，ANN能够对这些陶瓷材料的性能进行准确预测，可用于开发适用于电信和能源生产应用的材料。
引用
@article{arxiv.cond-mat/0703210,
title = {Prediction of the functional properties of ceramic materials from composition using artificial neural networks},
author = {D. J. Scott and P. V. Coveney and J. A. Kilner and J. C. H. Rossiny and N. Mc N. Alford},
journal= {arXiv preprint arXiv:cond-mat/0703210},
year = {2007}
}