ترجمه فارسی مقاله توصیف، تبدیل، یادگیری ماشین: مهندسی ویژگی برای مرزهای دانه و سایر خوشه‌های اتمی با اندازه متغیر

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی Describe, Transform, Machine Learning: Feature Engineering for Grain Boundaries and Other Variable-Sized Atom Clusters
عنوان مقاله به فارسی توصیف، تبدیل، یادگیری ماشین: مهندسی ویژگی برای مرزهای دانه و سایر خوشه‌های اتمی با اندازه متغیر
نویسندگان C. Braxton Owens, Nithin Mathew, Tyce W. Olaveson, Jacob P. Tavenner, Edward M. Kober, Garritt J. Tucker, Gus L. W. Hart, Eric R. Homer
فرمت مقاله انگلیسی PDF
تعداد صفحات 18
دسته بندی موضوعات Materials Science,Computational Physics,علوم مواد , فیزیک محاسباتی ,
توضیحات Submitted 30 July, 2024; originally announced July 2024. , Comments: 18 pages, 8 figures
توضیحات به فارسی ارسال شده 30 ژوئیه 2024 ؛در ابتدا ژوئیه 2024 اعلام شد ، نظرات: 18 صفحه ، 8 شکل

قیمت: 19,000 تومان

دانلود مقاله اصل انگلیسی + خلاصه دو صفحه ای مقاله + پادکست صوتی فارسی خلاصه مقاله

با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی، یک خلاصه دو صفحه‌ای فارسی و پادکست صوتی فارسی خلاصه مقاله را نیز دریافت خواهید کرد.

قیمت: 99,000 تومان

سفارش + خلاصه دو صفحه ای مقاله + پادکست صوتی فارسی خلاصه مقاله

با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی و ترجمه کامل آن، یک خلاصه دو صفحه‌ای فارسی و پادکست صوتی فارسی خلاصه مقاله را نیز دریافت خواهید کرد.

قیمت: 720,000 تومان

زمان تحویل: 2 تا 3 روز کاری


📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Obtaining microscopic structure-property relationships for grain boundaries are challenging because of the complex atomic structures that underlie their behavior. This has led to recent efforts to obtain these relationships with machine learning, but representing a grain boundary structure in a manner suitable for machine learning is not a trivial task. There are three key steps common to property prediction in grain boundaries and other variable-sized atom clustered structures. These are: (1) describe the atomic structure as a feature matrix, (2) transform the variable-sized feature matrices of different structures to a fixed length common to all structures, and (3) apply machine learning to predict properties from the transformed feature matrices. We examine these feature engineering steps to understand how they impact the accuracy of grain boundary energy predictions. A database of over 7000 grain boundaries serves to evaluate the different feature engineering combinations. We also examine how these combination of engineered features provide interpretability, or the ability to extract insightful physics from the obtained structure-property relationships.

چکیده به فارسی (ترجمه ماشینی)

به دست آوردن روابط ساختار میکروسکوپی برای مرزهای دانه به دلیل ساختارهای پیچیده اتمی که زیربنای رفتار آنهاست ، چالش برانگیز است.این امر منجر به تلاش های اخیر برای به دست آوردن این روابط با یادگیری ماشین شده است ، اما نشان دادن یک ساختار مرزی دانه به روشی مناسب برای یادگیری ماشین ، یک کار بی اهمیت نیست.سه مرحله اصلی برای پیش بینی خاصیت در مرزهای دانه و سایر سازه های خوشه ای اتم متغیر وجود دارد.اینها عبارتند از: (1) ساختار اتمی را به عنوان یک ماتریس ویژگی توصیف کنید ، (2) ماتریس ویژگی های اندازه متغیر ساختارهای مختلف را به یک طول ثابت تبدیل کنید و (3) یادگیری ماشین را برای پیش بینی خواص از تبدیل شده اعمال کنید.ماتریس های ویژگی.ما این مراحل مهندسی ویژگی را برای درک چگونگی تأثیر آنها بر صحت پیش بینی انرژی مرزی دانه بررسی می کنیم.یک بانک اطلاعاتی از بیش از 7000 مرز دانه برای ارزیابی ترکیبات مهندسی ویژگی های مختلف است.ما همچنین بررسی می کنیم که چگونه این ترکیب از ویژگی های مهندسی ، تفسیر را فراهم می کند ، یا توانایی استخراج فیزیک روشنگری از روابط ساختار-ساختار به دست آمده.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.