ترجمه فارسی مقاله نقشه‌های واکنش‌پذیری عنصری برای کشف مواد

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 Elemental Reactivity Maps for Materials Discovery
عنوان مقاله به فارسی نقشه‌های واکنش‌پذیری عنصری برای کشف مواد
نویسندگان Yuki Inada, Masaya Fujioka, Haruhiko Morito, Tohru Sugahara, Hisanori Yamane, Yukari Katsura
فرمت مقاله انگلیسی PDF
تعداد صفحات 14
دسته بندی موضوعات Materials Science,علم مواد ,
توضیحات Submitted 30 July, 2024; originally announced July 2024. , Comments: 14 pages, 5 figures
توضیحات به فارسی ارسال شده 30 ژوئیه 2024 ؛در ابتدا ژوئیه 2024 اعلام شد ، نظرات: 14 صفحه ، 5 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: 560,000 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

When searching for novel inorganic materials, limiting the combination of constituent elements can greatly improve the search efficiency. In this study, we used machine learning to predict elemental combinations with high reactivity for materials discovery. The essential issue for such prediction is the uncertainty of whether the unreported combinations are non-reactive or not just investigated, though the reactive combinations can be easily collected as positive datasets from the materials databases. To construct the negative datasets, we developed a process to select reliable non-reactive combinations by evaluating the similarity between unreported and reactive combinations. The machine learning models were trained by both datasets and the prediction results were visualized by two-dimensional heatmaps: elemental reactivity maps to identify elemental combinations with high reactivity but no reported stable compounds. The maps predicted high reactivity (i.e., synthesizability) for the Co_Al_Ge ternary system, and two novel ternary compounds were synthesized: Co4Ge3.19Al0.81 and Co2Al1.24Ge1.76.

چکیده به فارسی (ترجمه ماشینی)

هنگام جستجوی مواد معدنی جدید ، محدود کردن ترکیب عناصر تشکیل دهنده می تواند باعث افزایش تا حد زیادی کارایی جستجو شود.در این مطالعه ، ما از یادگیری ماشین برای پیش بینی ترکیبات ابتدایی با واکنش زیاد برای کشف مواد استفاده کردیم.مسئله اساسی برای چنین پیش بینی عدم قطعیت این است که آیا ترکیبات گزارش نشده غیر واکنشی هستند یا فقط مورد بررسی قرار نمی گیرند ، اگرچه ترکیبات واکنشی می توانند به راحتی به عنوان مجموعه داده های مثبت از پایگاه داده های مواد جمع شوند.برای ساخت مجموعه داده های منفی ، ما فرایندی را برای انتخاب ترکیبات غیر واکنشی قابل اعتماد با ارزیابی شباهت بین ترکیبات بدون گزارش و واکنشی تهیه کردیم.مدل های یادگیری ماشین توسط هر دو مجموعه داده آموزش داده شدند و نتایج پیش بینی توسط نقشه های گرمای دو بعدی مشاهده شد: نقشه های واکنش پذیری عناصر برای شناسایی ترکیبات ابتدایی با واکنش پذیری بالا اما هیچ ترکیب پایدار گزارش نشده است.نقشه ها واکنش پذیری بالایی (به عنوان مثال ، ترکیب پذیری) را برای سیستم سه گانه Co_al_ge پیش بینی کردند ، و دو ترکیب سه قلوات جدید سنتز شدند: CO4GE3.19AL0.81 و CO2AL1.24GE1.76.

📚 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.