सामग्री डिजाइन के लिए मशीन सीखने में सुधार

त्सुकुबा, जापान, 30 सितंबर, 2021 - (एसीएन न्यूज़वायर) - एक नया दृष्टिकोण एक मशीन लर्निंग मॉडल को केवल सरल माप के माध्यम से प्राप्त डेटा का उपयोग करके सामग्री के गुणों की भविष्यवाणी करने के लिए प्रशिक्षित कर सकता है, वर्तमान में उपयोग किए गए लोगों की तुलना में समय और धन की बचत कर सकता है। इसे जापान के नेशनल इंस्टीट्यूट फॉर मैटेरियल्स साइंस (एनआईएमएस), असाही केएसईआई कॉरपोरेशन, मित्सुबिशी केमिकल कॉरपोरेशन, मित्सुई केमिकल्स और सुमितोमो केमिकल कंपनी के शोधकर्ताओं द्वारा डिजाइन किया गया था और जर्नल साइंस एंड टेक्नोलॉजी ऑफ एडवांस्ड मैटेरियल्स: मेथड्स में रिपोर्ट किया गया था।

नया दृष्टिकोण एक्स-रे विवर्तन जैसे आसान-से-माप प्रयोगात्मक डेटा का उपयोग करके तन्यता मापांक जैसे कठिन-से-माप प्रयोगात्मक डेटा की भविष्यवाणी कर सकता है। यह आगे नई सामग्रियों को डिजाइन करने या पहले से ज्ञात सामग्री को पुन: उपयोग करने में मदद करता है।

सामग्री सूचना विज्ञान के क्षेत्र में विशेषज्ञता रखने वाले एनआईएमएस के एक वरिष्ठ शोधकर्ता रियो तामुरा बताते हैं, "मशीन लर्निंग विशिष्ट गुणों के साथ सामग्री बनाने के लिए आवश्यक तत्वों और प्रक्रिया की संरचना की भविष्यवाणी करने के लिए एक शक्तिशाली उपकरण है।"

इस उद्देश्य के लिए मशीन लर्निंग मॉडल को प्रशिक्षित करने के लिए आमतौर पर भारी मात्रा में डेटा की आवश्यकता होती है। दो प्रकार के डेटा का उपयोग किया जाता है। नियंत्रणीय डिस्क्रिप्टर वे डेटा होते हैं जिन्हें बिना सामग्री बनाए चुना जा सकता है, जैसे कि रासायनिक तत्व और इसे संश्लेषित करने के लिए उपयोग की जाने वाली प्रक्रियाएं। लेकिन अनियंत्रित विवरणक, जैसे एक्स-रे विवर्तन डेटा, केवल सामग्री बनाकर और उस पर प्रयोग करके ही प्राप्त किए जा सकते हैं।

तमुरा कहते हैं, "हमने वर्णनकर्ताओं का उपयोग करके भौतिक गुणों की अधिक सटीक भविष्यवाणी करने के लिए एक प्रभावी प्रयोगात्मक डिजाइन विधि विकसित की है जिसे नियंत्रित नहीं किया जा सकता है।"

दृष्टिकोण में मॉडल की सटीकता में सुधार के लिए उपयोग करने के लिए लक्ष्य गुणों के साथ सर्वोत्तम सामग्री का चयन करने के लिए नियंत्रणीय वर्णनकर्ताओं के डेटासेट की जांच शामिल है। इस मामले में, वैज्ञानिकों ने विशिष्ट यांत्रिक गुणों वाले उम्मीदवार का चयन करने के लिए 75 प्रकार के पॉलीप्रोपाइलीन के डेटाबेस से पूछताछ की।

फिर उन्होंने सामग्री का चयन किया और इसके कुछ अनियंत्रित विवरणकों को निकाला, उदाहरण के लिए, इसका एक्स-रे विवर्तन डेटा और यांत्रिक गुण।

इस डेटा को वर्तमान डेटासेट में जोड़ा गया था ताकि मशीन लर्निंग मॉडल को बेहतर ढंग से प्रशिक्षित किया जा सके, जो केवल अनियंत्रित डिस्क्रिप्टर का उपयोग करके सामग्री के गुणों की भविष्यवाणी करने के लिए विशेष एल्गोरिदम को नियोजित करता है।

तमुरा कहते हैं, "हमारे प्रयोगात्मक डिजाइन का उपयोग आसान-से-माप डेटा का उपयोग करके मुश्किल-से-माप प्रयोगात्मक डेटा की भविष्यवाणी करने के लिए किया जा सकता है, नई सामग्रियों को डिजाइन करने या लागत को कम करते हुए पहले से ज्ञात लोगों को पुन: पेश करने की हमारी क्षमता में तेजी लाने के लिए।" भविष्यवाणी विधि यह समझने में भी मदद कर सकती है कि सामग्री की संरचना विशिष्ट गुणों को कैसे प्रभावित करती है।

टीम वर्तमान में जापान में रासायनिक निर्माताओं के सहयोग से अपने दृष्टिकोण को और अधिक अनुकूलित करने पर काम कर रही है।

अधिक जानकारी के
रियो तमुरा
सामग्री विज्ञान के लिए राष्ट्रीय संस्थान (NIMS)
ईमेल tamura.ryo@nims.go.jp

उन्नत सामग्री के विज्ञान और प्रौद्योगिकी के बारे में: तरीके (STAM तरीके)

STAM मेथड्स साइंस एंड टेक्नोलॉजी ऑफ एडवांस्ड मैटेरियल्स (STAM) की एक ओपन एक्सेस सिस्टर जर्नल है, और सामग्री के विकास में सुधार और / या तेज करने के लिए उभरती विधियों और उपकरणों पर ध्यान केंद्रित करती है, जैसे कि कार्यप्रणाली, उपकरण, इंस्ट्रूमेंटेशन, मॉडलिंग, हाई-थ्रू पुट डेटा संग्रह, सामग्री / प्रक्रिया सूचना विज्ञान, डेटाबेस और प्रोग्रामिंग। https://www.tandfonline.com/STAM-M

डॉ। योशीकाजू शिनोहारा
STAM मेथड्स पब्लिशिंग डायरेक्टर
ईमेल शिनोहारा.Yoshikazu@nims.go.jp

एशिया रिसर्च न्यूज फॉर साइंस एंड टेक्नोलॉजी ऑफ एडवांस्ड मैटेरियल्स द्वारा वितरित प्रेस विज्ञप्ति।

विषय: प्रेस रिलीज़ सारांश
स्रोत: उन्नत सामग्री का विज्ञान और प्रौद्योगिकी
क्षेत्र: विज्ञान और नैनोटेक
https://www.acnnewswire.com

एशिया कॉर्पोरेट न्यूज नेटवर्क से

कॉपीराइट © 2021 ACN Newswire। सभी अधिकार सुरक्षित। एशिया कारपोरेट न्यूज़ नेटवर्क का एक अनुभाग।

स्रोत: https://www.acnnewswire.com/press-release/english/69945/