PulseAugur
实时 11:44:04
English(EN) Probing Non-Equilibrium Grain Boundary Dynamics with XPCS and Domain-Adaptive Machine Learning

AI和XPCS探测非平衡晶界动力学

研究人员开发了一种新方法,结合X射线光子相关光谱(XPCS)和域自适应机器学习来研究纳米晶材料中的晶界动力学。这种AI增强的方法可以直接从实验数据中定量提取动力学参数,例如体扩散率和晶界刚度。该技术克服了分析高维和嘈杂的涨落图谱的挑战,为研究固体中的非平衡缺陷运动提供了一条通用途径。 AI

影响 能够对材料动力学进行定量分析,可能加速材料的发现和开发。

排序理由 详细介绍材料科学研究新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

AI和XPCS探测非平衡晶界动力学

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Mingda Li ·

    Probing Non-Equilibrium Grain Boundary Dynamics with XPCS and Domain-Adaptive Machine Learning

    Grain-boundary (GB) dynamics control the stability, mechanical, and functional response of nanocrystalline materials, but direct experimental access to their slow non-equilibrium motion has been limited. Here we establish X-ray photon correlation spectroscopy (XPCS), combined wit…