Bilim / DÜNYA

Yeni graf modeli, tane büyümesini faz-alan simülasyonlarından daha hızlı hesaplıyor

Hong Kong Bilim ve Teknoloji Üniversitesi, HKUST Guangzhou ve Wuhan Üniversitesi araştırmacıları, tane büyümesini modellemek için graf tabanlı bir simülasyon geliştirdi. Yöntem, tane alanlarını von Neumann–Mullins yasasıyla güncelliyor ve bir sinir ağıyla mikro yapıyı yeniden kuruyor.

VN-GraphGG adı verilen yöntem, iki boyutlu polikristal mikro yapıyı tane ve birleşim düğümleri içeren bir grafa dönüştürüyor. Her adımda tane alanları kenar sayısına bağlı fizik yasasıyla güncelleniyor; ardından graf sinir ağı, yeni mikro yapı alanını oluşturuyor. Bu ayrım, öğrenilmiş yeniden yapılandırma bileşenini yeniden eğitmeden kinetik katsayıların değiştirilmesini sağlıyor.

Altı bin örneklik test kümesinde ortalama piksel sınıflandırma hatası yüzde 3,54, ortalama tane alanı hatası ise tane başına 2,04 piksel olarak bildirildi. Yazarlar faz-alan simülasyonlarına kıyasla benzer toplu tane büyüme davranışı ve iki mertebe daha düşük hesaplama maliyeti rapor ediyor. Bunlar simülasyon kıyaslamalarıdır; gerçek üretim sürecinde deneysel doğrulama bildirilmedi.

Veriler

Tablo

Bildirilen çalışma sonucu

Yazarların graf düğümünden mikro yapı alanı yeniden kurma modelini değerlendirdiği test örnekleri.

Yeniden yapılandırma test kümesindeki graf-alan eşleşmeleri6000Yazarların graf düğümünden mikro yapı alanı yeniden kurma modelini değerlendirdiği test örnekleri.
Yöntem

Makale 6.000 graf-alan çiftinde ortalama yüzde 3,54 piksel sınıflandırma hatası ve yüzde 96,46 piksel doğruluğu bildiriyor. Bunlar model test seti sonuçlarıdır; gerçek malzemede tahmin doğruluğu değildir.

Güncelleme:

Yapılandırılmış kapsam

Konular ve yerler

Konu önerileri

Coğrafi referanslar

Yalnızca kaynakta bulunan coğrafi referanslar gösterilir. Harici haritayı açmak isteğe bağlıdır. İsteğe bağlı haber haritaları OpenStreetMap kullanır. Haritayı açtığınızda IP adresiniz ve site adresi harita sağlayıcısına iletilir; harita yüklenmeden konum verileri metin olarak okunabilir.

  • Çin Hong Kong ÖİB · Yer rolü: Kapsam · Yer türü: Ülke veya bölge · Konum kesinliği: Bölgesel
    Kanıt
    • Explicit preserved editorial country/region; no city or national centroid inferredarxiv.org ↗
Sınıflandırma sürümü: IPTC Media Topics 2026-Q2

Okumaya devam edin

Bilim

MIT, kendi öğrenme mekanizmalarını kuran sinir ağını inceledi

MIT araştırmacıları, basit bağlantı değişim kurallarıyla kendi öğrenme altyapısını kurabilen yapay sinir ağı gösterdi. Ağ örüntü tanıma ve görüntü sınıflandırmayı öğrendi; performansı tasarlanmış ağlarla benzer düzeyde bildirildi.

MIT News1 dk okuma Veri içeriyor
Bilim

Yeni epitaksi yöntemi dört metastabil kristal fazı kararlılaştırdı

MIT öncülüğündeki araştırma ekibi, difüzyonla etkinleştirilen epitaksi adını verdiği yöntemi kullanarak dört farklı kristal fazı deneysel olarak kararlılaştırdı. Ön baskıya göre, üç fazın kırınım ve mikroskopi verileri incelenen kristal veri tabanlarındaki yapılara uymadı.

arXiv1 dk okuma Veri içeriyor