پیشبینی رفتار مکانیکی مواد کامپوزیت با یادگیری ماشین
یادگیری ماشین به عنوان ابزاری مؤثر در پیشبینی رفتار مکانیکی مواد کامپوزیت معرفی میشود.
یادگیری ماشین به عنوان ابزاری مؤثر در پیشبینی رفتار مکانیکی مواد کامپوزیت معرفی میشود.
این مقاله به بررسی پیوند بین تغییرات ساختاری و سختی شکست در شیشههای کلسیم آلومینوسیلیکات میپردازد و نتایج مهمی در تحلیل خواص مکانیکی شیشه ارائه میدهد.
این مقاله به بررسی تأثیر افت ناهمگن باند گپ بر تشکیل مسیرهای یون سنگین در Al2O3 میپردازد و نتایج جالبی را ارائه میدهد.
این مقاله به بررسی تأثیر فشردگی در ویسکوالاستیسیته اصلاحشده و چگونگی تأثیر آن بر رفتار کشش و پیچش میپردازد.
روش H-AdResS بهعنوان یک ابزار قدرتمند در مدلسازی مرزها معرفی شده است، اما استفاده صحیح از آن چالشهایی را به همراه دارد.
این مقاله به بررسی بهینهسازی عایق حرارتی و پدیده شکست تمرکز در مسائل مرزی غیرخطی میپردازد.
این مقاله به بررسی چگونگی تأثیر پیشبینیهای کنترافکتوئال بر تصمیمگیریهای بهینه و معتبر میپردازد.
در این مقاله به بررسی تشخیص ناقصات حساس به ساختار در مسائل معکوس PDE و چالشهای آن پرداخته میشود.
این مقاله به بررسی هارمونیکهای گوی چرخشی و تأثیر آنها بر شبکههای معادلساز سهبعدی میپردازد.
این مقاله به بررسی انتقال و حرارتزایی ذرات بتا در کیلونوا میپردازد و چالشها و فرصتهای موجود در این زمینه را تحلیل میکند.