Artificial Intelligence for Materials Science
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
-
75 438 Ft (71 846 Ft + 5% áfa)
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.
- Kedvezmény(ek) 20% (cc. 15 088 Ft off)
- Kedvezményes ár 60 351 Ft (57 477 Ft + 5% áfa)
Iratkozzon fel most és részesüljön kedvezőbb árainkból!
Feliratkozom
75 438 Ft
Beszerezhetőség
Megrendelésre a kiadó utánnyomja a könyvet. Rendelhető, de a szokásosnál kicsit lassabban érkezik meg.
Why don't you give exact delivery time?
A beszerzés időigényét az eddigi tapasztalatokra alapozva adjuk meg. Azért becsült, mert a terméket külföldről hozzuk be, így a kiadó kiszolgálásának pillanatnyi gyorsaságától is függ. A megadottnál gyorsabb és lassabb szállítás is elképzelhető, de mindent megteszünk, hogy Ön a lehető leghamarabb jusson hozzá a termékhez.
A termék adatai:
- Kiadás sorszáma 1st ed. 2021
- Kiadó Springer International Publishing
- Megjelenés dátuma 2022. március 29.
- Kötetek száma 1 pieces, Book
- ISBN 9783030683122
- Kötéstípus Puhakötés
- Lásd még 9783030683092
- Terjedelem228 oldal
- Méret 235x155 mm
- Súly 367 g
- Nyelv angol
- Illusztrációk VII, 228 p. 107 illus., 101 illus. in color. Illustrations, black & white 241
Kategóriák
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.
TöbbTartalomjegyzék:
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
