اکسپرس 24
ترجمه فارسی مقاله پیش‌بینی دقیق خواص ساختاری و مکانیکی مواد آمورف از طریق پتانسیل‌های یادگیری ماشینی: مطالعه موردی نیترید سیلیکون

ترجمه فارسی مقاله پیش‌بینی دقیق خواص ساختاری و مکانیکی مواد آمورف از طریق پتانسیل‌های یادگیری ماشینی: مطالعه موردی نیترید سیلیکون

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 Accurate prediction of structural and mechanical properties on amorphous materials enabled through machine-learning potentials: a case study of silicon nitride
عنوان مقاله به فارسی پیش‌بینی دقیق خواص ساختاری و مکانیکی مواد آمورف از طریق پتانسیل‌های یادگیری ماشینی: مطالعه موردی نیترید سیلیکون
نویسندگان Ganesh Kumar Nayak, Prashanth Srinivasan, Juraj Todt, Rostislav Daniel, Paolo Nicolini, David Holec
فرمت مقاله انگلیسی PDF
تعداد صفحات 12
دسته بندی موضوعات Materials Science,علم مواد ,
توضیحات Submitted 11 August, 2024; originally announced August 2024. , Comments: 12 pages, 7 figures, SI
توضیحات به فارسی ارسال شده در 11 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد ، نظرات: 12 صفحه ، 7 شکل ، SI

قیمت: 19,000 تومان

سفارش

با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی، را نیز سفارش می‌دهید.

قیمت: 480,000 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

Amorphous silicon nitride (a-SiN) is a material which has found wide application due to its excellent mechanical and electrical properties. Despite the significant effort devoted in understanding how the microscopic structure influences the material performance, many aspects still remain elusive. If on the one hand textit{ab initio} calculations respresent the technique of election to study such a system, they present severe limitations in terms of the size of the system that can be simulated. Such an aspect plays a determinant role, particularly when amorphous structure are to be investigated, as often results depend dramatically on the size of the system. Here, we overcome this limitation by training a machine-learning (ML) interatomic model to textit{ab initio} data. We show that molecular dynamics simulations using the ML model on much larger systems can reproduce experimental measurements of elastic properties, including elastic isotropy. Our study demonstrates the broader impact of machine-learning potentials for predicting structural and mechanical properties, even for complex amorphous structures.

چکیده به فارسی (ترجمه ماشینی)

نیترید سیلیکون آمورف (A-sin) ماده ای است که به دلیل خاصیت مکانیکی و الکتریکی عالی آن کاربرد گسترده ای را پیدا کرده است.علیرغم تلاش چشمگیر اختصاص یافته در درک چگونگی تأثیر ساختار میکروسکوپی بر عملکرد مواد ، بسیاری از جنبه ها همچنان گریزان هستند.اگر از یک طرف textit {ab initio} محاسبات تکنیک انتخابات برای مطالعه چنین سیستمی را نشان دهد ، آنها محدودیت های شدید را از نظر اندازه سیستم ارائه می دهند که می توان شبیه سازی کرد.چنین جنبه ای نقش تعیین کننده ای را ایفا می کند ، به ویژه هنگامی که ساختار آمورف مورد بررسی قرار می گیرد ، زیرا اغلب نتایج به طرز چشمگیری به اندازه سیستم بستگی دارد.در اینجا ، ما با آموزش یک مدل بین المللی یادگیری ماشین (ML) به داده های textit {ab initio} ، بر این محدودیت غلبه می کنیم.ما نشان می دهیم که شبیه سازی دینامیک مولکولی با استفاده از مدل ML در سیستم های بسیار بزرگتر می تواند اندازه گیری های تجربی از خواص الاستیک ، از جمله ایزوتروپی الاستیک را تولید کند.مطالعه ما تأثیر گسترده تری از پتانسیل های یادگیری ماشین را برای پیش بینی خصوصیات ساختاری و مکانیکی ، حتی برای ساختارهای پیچیده آمورف نشان می دهد.

📚 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.