Artificial Intelligence for Materials Science by Cheng, Yuan; Wang, Tian; Zhang, Gang;

Sorozatcím: Springer Series in Materials Science; 312;

20% KEDVEZMÉNY?
A kedvezmény csak az 'Értesítés a kedvenc témákról' hírlevelünk címzettjeinek rendeléseire érvényes.

Kiadói listaár EUR 181.89
Az ár azért becsült, mert a rendelés pillanatában nem lehet pontosan tudni, hogy a beérkezéskor milyen lesz a forint árfolyama az adott termék eredeti devizájához képest. Ha a forint romlana, kissé többet, ha javulna, kissé kevesebbet kell majd fizetnie.

75 438 Ft (71 846 Ft + 5% áfa)
Kedvezmény(ek) 20% (cc. 15 088 Ft off)
Kedvezményes ár 60 351 Ft (57 477 Ft + 5% áfa)

75 438 Ft

Beszerezhetőség

Megrendelésre a kiadó utánnyomja a könyvet. Rendelhető, de a szokásosnál kicsit lassabban érkezik meg.

A termék adatai:

Kiadás sorszáma 1st ed. 2021
Kiadó Springer International Publishing
Megjelenés dátuma 2021. március 27.
Kötetek száma 1 pieces, Book

ISBN 9783030683092
Kötéstípus Keménykötés
Terjedelem228 oldal
Méret 235x155 mm
Súly 524 g
Nyelv angol
Illusztrációk VII, 228 p. 107 illus., 101 illus. in color. Illustrations, black & white

Kategóriák

Valószínűségelmélet és matematikai statisztika Gépészmérnöki tudományok Üzemmérnöki tudományok Operációs rendszerek és grafikus felhasználói felületek Mesterséges intelligencia Valószínűségelmélet és matematikai statisztika (karitatív célú kampány) Gépészmérnöki tudományok (karitatív célú kampány) Üzemmérnöki tudományok (karitatív célú kampány) Operációs rendszerek és grafikus felhasználói felületek (karitatív célú kampány) Mesterséges intelligencia (karitatív célú kampány)

Hosszú leírás:

Machine learning methods have lowered the cost of exploring new structures of unknown compounds, and can be used to predict reasonable expectations and subsequently validated by experimental results. As new insights and several elaborative tools have been developed for materials science and engineering in recent years, it is an appropriate time to present a book covering recent progress in this field.

Searchable and interactive databases can promote research on emerging materials. Recently, databases containing a large number of high-quality materials properties for new advanced materials discovery have been developed. These approaches are set to make a significant impact on human life and, with numerous commercial developments emerging, will become a major academic topic in the coming years.

This authoritative and comprehensive book will be of interest to both existing researchers in this field as well as others in the materials science community who wish to take advantage of these powerful techniques. The book offers a global spread of authors, from USA, Canada, UK, Japan, France, Russia, China and Singapore, who are all world recognized experts in their separate areas. With content relevant to both academic and commercial points of view, and offering an accessible overview of recent progress and potential future directions, the book will interest graduate students, postgraduate researchers, and consultants and industrial engineers.

Több

Tartalomjegyzék:

Chapter 1. Brief Introduction of the Machine Learning Method.- Chapter 2. Machine learning for high-entropy alloys.- Chapter 3. Two-way TrumpetNets and TubeNets for Identification of Material Parameters.- Chapter 4. Machine learning interatomic force fields for carbon allotropic materials.- Chapter 5. Genetic Algorithms.- Chapter 6. Accelerated Discovery of Thermoelectric Materials using Machine Learning.- Chapter 7. Thermal nanostructure design based on materials informatics. - Chapter 8. Machine Learning Accelerated Insights of Perovskite Materials.

Több

Mostanában megtekintett