| عنوان مقاله به انگلیسی | SPACIER: On-Demand Polymer Design with Fully Automated All-Atom Classical Molecular Dynamics Integrated into Machine Learning Pipelines |
| عنوان مقاله به فارسی | ترجمه فارسی مقاله SPACIER: طراحی پلیمر بر اساس تقاضا با دینامیک مولکولی کلاسیک تمام اتمی کاملاً خودکار که در خطوط لوله یادگیری ماشین ادغام شده است |
| نویسندگان | Shun Nanjo, Arifin, Hayato Maeda, Yoshihiro Hayashi, Kan Hatakeyama-Sato, Ryoji Himeno, Teruaki Hayakawa, Ryo Yoshida |
| فرمت مقاله انگلیسی | |
| زبان مقاله تحویلی | ترجمه فارسی |
| فرمت مقاله ترجمه شده | به صورت فایل ورد |
| نحوه تحویل ترجمه | دو تا سه روز پس از ثبت سفارش (به صورت فایل دانلودی) |
| تعداد صفحات | 33 |
| دسته بندی موضوعات | Materials Science,Computational Physics,علوم مواد , فیزیک محاسباتی , |
| توضیحات | Submitted 9 August, 2024; originally announced August 2024. |
| توضیحات به فارسی | ارسال شده در 9 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد. |
توضیحات گزینههای خرید
دانلود مقاله اصل انگلیسی
با انتخاب این گزینه، میتوانید فایل PDF مقاله اصلی را به زبان انگلیسی دانلود کنید.
قیمت: 19,000 تومان
سفارش ترجمه فارسی مقاله
با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی، ترجمه فارسی مقاله را نیز سفارش میدهید.
قیمت: 1,320,000 تومان
زمان تحویل: 2 تا 3 روز کاری
| فرمت ارائه ترجمه مقاله | تحویل به صورت فایل ورد |
| زمان تحویل ترجمه مقاله | بین 2 تا 3 روز پس از ثبت سفارش |
| کیفیت ترجمه | بسیار بالا. مقاله فقط توسط مترجمین با مدرک دانشگاهی مترجمی ترجمه میشود. |
| جداول و فرمول ها | کلیه جداول و فرمول ها نیز در فایل تحویلی ورد درج میشوند. |
چکیده
Machine learning has rapidly advanced the design and discovery of new materials with targeted applications in various systems. First-principles calculations and other computer experiments have been integrated into material design pipelines to address the lack of experimental data and the limitations of interpolative machine learning predictors. However, the enormous computational costs and technical challenges of automating computer experiments for polymeric materials have limited the availability of open-source automated polymer design systems that integrate molecular simulations and machine learning. We developed SPACIER, an open-source software program that integrates RadonPy, a Python library for fully automated polymer property calculations based on all-atom classical molecular dynamics into a Bayesian optimization-based polymer design system to overcome these challenges. As a proof-of-concept study, we successfully synthesized optical polymers that surpass the Pareto boundary formed by the tradeoff between the refractive index and Abbe number.
چکیده به فارسی (ترجمه ماشینی)
یادگیری ماشین به سرعت طراحی و کشف مواد جدید با برنامه های هدفمند در سیستم های مختلف را پیشرفت کرده است.محاسبات اصول اول و سایر آزمایش های رایانه ای در خطوط لوله طراحی مواد برای پرداختن به عدم وجود داده های تجربی و محدودیت های پیش بینی کننده یادگیری ماشین درون یابی ادغام شده است.با این حال ، هزینه های محاسباتی عظیم و چالش های فنی اتوماسیون آزمایش های رایانه ای برای مواد پلیمری ، در دسترس بودن سیستم های طراحی پلیمری خودکار با منبع باز است که یکپارچه سازی شبیه سازی های مولکولی و یادگیری ماشین است.ما Spacier ، یک برنامه نرم افزاری منبع باز را توسعه دادیم که Radonpy ، یک کتابخانه پایتون را برای محاسبات کاملاً خودکار پلیمری بر اساس دینامیک مولکولی کلاسیک تمام اتم به یک سیستم طراحی پلیمری مبتنی بر بهینه سازی بیزی ادغام می کند تا بر این چالش ها غلبه کند.به عنوان یک مطالعه اثبات مفهوم ، ما با موفقیت پلیمرهای نوری را که از مرز پارتو تشکیل شده توسط تجارت بین ضریب انکسار و تعداد ABBE پیشی می گیرند ، با موفقیت سنتز کردیم.
| فرمت ارائه ترجمه مقاله | تحویل به صورت فایل ورد |
| زمان تحویل ترجمه مقاله | بین 2 تا 3 روز پس از ثبت سفارش |
| کیفیت ترجمه | بسیار بالا. مقاله فقط توسط مترجمین با مدرک دانشگاهی مترجمی ترجمه میشود. |
| جداول و فرمول ها | کلیه جداول و فرمول ها نیز در فایل تحویلی ورد درج میشوند. |


نقد و بررسیها
هنوز بررسیای ثبت نشده است.