亚洲精品久久无码午夜一区二区 ,女人19水真多毛片学生,成人黄网站a片免费观看

弗吉尼亞大學(xué)ACS Nano：機(jī)械拉伸石墨烯薄片熱傳輸?shù)目赊D(zhuǎn)移、深度學(xué)習(xí)驅(qū)動(dòng)的快速預(yù)測和設(shè)計(jì)

將石墨烯片堆積成塊狀對于實(shí)現(xiàn)石墨烯在柔性結(jié)構(gòu)和設(shè)備中的大規(guī)模應(yīng)用至關(guān)重要，而石墨烯片的任意形狀、隨機(jī)分布和相鄰重疊仍對其基本性質(zhì)的預(yù)測提出挑戰(zhàn)，這些基本性質(zhì)與機(jī)械強(qiáng)度和熱或電子傳輸密切相關(guān)。

圖1. 用于深度神經(jīng)網(wǎng)絡(luò) (DNN) 的堆積石墨烯結(jié)構(gòu)的模型和表征

在此，美國弗吉尼亞大學(xué)Baoxing Xu等人提出了一種基于深度神經(jīng)網(wǎng)絡(luò) (DNN) 的機(jī)器學(xué)習(xí) (ML) 方法，該方法與分子動(dòng)力學(xué)模擬（MD）相結(jié)合能夠預(yù)測具有廣泛幾何配置和尺寸的堆積石墨烯結(jié)構(gòu)的熱導(dǎo)率，以響應(yīng)外部機(jī)械載荷。

此外，作者開發(fā)了一個(gè)基于物理的像素值矩陣來捕獲堆積石墨烯結(jié)構(gòu)的關(guān)鍵幾何特征，并將其合并到DNN中以訓(xùn)練ML模型，該模型的唯一訓(xùn)練數(shù)據(jù)比率為12.5%，但預(yù)測精度為94%。ML模型進(jìn)一步擴(kuò)展了從原始訓(xùn)練數(shù)據(jù)集中轉(zhuǎn)移的知識(shí)，以預(yù)測自定義數(shù)據(jù)集中堆積石墨烯的熱傳輸。

圖2. 基于DNN的ML框架預(yù)測堆積石墨烯結(jié)構(gòu)中的熱導(dǎo)率時(shí)的工作流程

此外，可轉(zhuǎn)移的ML模型以及構(gòu)建的數(shù)據(jù)庫證明了在快速預(yù)測堆積石墨烯結(jié)構(gòu)的熱導(dǎo)率和加速搜索具有理想熱導(dǎo)率的堆積石墨烯結(jié)構(gòu)方面的魯棒性和準(zhǔn)確性。

更重要的是，作者證明了機(jī)械載荷引起的堆積石墨烯結(jié)構(gòu)的配置變化可以通過訓(xùn)練的DNN來識(shí)別，ML模型很好地預(yù)測了對機(jī)械載荷的熱響應(yīng)，與地面實(shí)況模擬具有良好的一致性。

這項(xiàng)工作為通過ML模型定量評(píng)估石墨烯在機(jī)械載荷作用下的熱導(dǎo)率奠定了基礎(chǔ)，也為探索基于納米材料的塊體形式的機(jī)械可調(diào)熱性能提供了合理途徑，可用于設(shè)計(jì)具有可控?zé)峁芾硇阅艿娜嵝詿峤Y(jié)構(gòu)和器件。

圖3. ML模型用于從自定義數(shù)據(jù)集預(yù)測堆積石墨烯結(jié)構(gòu)的熱導(dǎo)率的可遷移性

Transferable, Deep-Learning-Driven Fast Prediction and Design of Thermal Transport in Mechanically Stretched Graphene Flakes, ACS Nano 2021. DOI: 10.1021/acsnano.1c06340

原創(chuàng)文章，作者：科研小搬磚，如若轉(zhuǎn)載，請注明來源華算科技，注明出處：http://www.zzhhcy.com/index.php/2023/10/14/517bec9581/

末成年小嫩xb,嫰bbb槡bbbb槡bbbb,免费无人区码卡密,成全高清mv电影免费观看

弗吉尼亞大學(xué)ACS Nano：機(jī)械拉伸石墨烯薄片熱傳輸?shù)目赊D(zhuǎn)移、深度學(xué)習(xí)驅(qū)動(dòng)的快速預(yù)測和設(shè)計(jì)

相關(guān)推薦