arXiv · cs.AI · Shun Muroga, Takashi Tsuji, Shunsuke Sakurai, Don N Futaba · 8 小时前模型评分34
多模态机器学习将原位生长动态与碳纳米管森林性质关联
Beyond Synthesis Conditions: Linking In-situ Growth Dynamics to Carbon Nanotube Forest Properties through Multimodal Machine Learning
导读
研究团队用多模态机器学习把碳纳米管（CNT，Carbon Nanotube）化学气相沉积的气流条件与原位生长曲线结合，检验静态合成条件是否足以描述生长。仅靠气体条件可预测初始生长速率，却无法预测生长寿命，对产量的预测 R^2<0；加入生长曲线后产量预测提升至 R^2~0.4-0.5，相关信息在生长中后期才出现。最大高度和寿命可在 10 分钟生长中途以中等精度估计，为自主合成提供生长中期的决策点。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
应用领域：制造与工业、科学研究
事件类型：研究发布
证据摘录
- “Here, we test this assumption by integrating gas-flow conditions with in-situ time-resolve growth profiles (growth curves) of vertically aligned CNT forests.”
来源：arXiv · cs.AI · arxiv.org