4편의 한국어 분석 — 최신순으로 정렬했어요
본 연구는 컷-앤-프로젝트(cut and project) 방식과 사전 압축 보렐 윈도우(precompact Borel window)를 활용하여 점집합의 회절 특성을 분석합니다. 윈도우의 거의 모든 위치에서 베시코비치(Besicovitch) 거의 주기적 디랙 콤(Dirac combs)을 갖는 점집합이 생성됨을 보였습니다. 이는 재료의 구조적 질서와 회절 패턴 간의 관계를 이해하는 데 중요합니다. 이러한 점집합은 순수 점 회절(pure point diffractive) 특성을 나타내며, 자기상관 함수는 윈도우의 공분산 함수(covar…
머신러닝 원자간 포텐셜(MLIP)은 다양한 원자 현상 모델링에 활용되지만, 고체상 변태를 정확히 포착하도록 매개변수화하는 데는 어려움이 있습니다. 본 연구는 다성분 합금의 석출 모델링을 위한 MLIP 매개변수화를 효율화하고자 오류 측정 기준과 데이터 생성 방안을 제시합니다. 우리는 서로 다른 모결정 구조의 화학적 배열을 연결하는 대칭적으로 구별되는 변태 경로를 열거하는 알고리즘을 개발했습니다. 또한, 저온 열역학 예측에서 MLIP의 정확도를 정량화하기 위한 지표로 가중 켄달-타우 계수와 그 준-준정준 앙상블 일반화를 도입했습니다.…
결정립 성장은 재료의 기계적 거동에 큰 영향을 미치므로, 미세구조 공학에서 결정립 성장을 예측하는 것은 핵심 목표입니다. 본 연구에서는 결정립 성장 중 결정립 크기 분포를 예측하기 위해 순환 신경망(RNN), 장단기 기억(LSTM), 시간 컨볼루션 네트워크(TCN), 트랜스포머를 포함한 여러 딥러닝 접근법을 평가했습니다. 계산 비용이 높은 전장 시뮬레이션 대신, 검증된 고정밀 시뮬레이션에서 추출한 정규화된 평균장 통계 기술자를 활용했습니다. 112개의 결정립 성장 시퀀스 데이터셋을 다변량 시계열로 처리하여, 짧은 시간 이력으로부터…
정확하고 효율적인 기계 학습 원자간 포텐셜은 광범위한 재료 모델링을 가속화하여 원자 수준 발견을 촉진하는 데 필수적입니다. 본 연구는 그래프 원자 클러스터 확장(GRACE) 프레임워크를 기반으로 하는 범용 포텐셜을 소개하며, 이는 현존하는 가장 큰 재료 데이터셋을 활용하여 훈련되었습니다. GRACE 모델은 포괄적인 벤치마크를 통해 기존의 파운데이션 원자간 포텐셜 중 정확도와 효율성 측면에서 새로운 파레토 프론트를 구축했음을 입증했습니다. 이는 기존 모델 대비 우수한 성능을 보여줍니다. 또한, 미세 조정 및 지식 증류를 통해 GR…
