Publikace detail

Neural networks applied in kinetic analysis of complex nucleation-growth processes: Outstanding solution for fully overlapping reaction mechanisms

Autoři: Liland K.H. | Svoboda Roman | Luciano G. | Muravyev N.

Rok: 2022

Druh publikace: článek v odborném periodiku

Název zdroje: Journal of Non-Crystalline Solids

Název nakladatele: Elsevier Science BV

Místo vydání: Amsterdam

Strana od-do: "121640-1"-"121640-11"

Tituly:

Jazyk	Název	Abstrakt	Klíčová slova
cze	Neuronové sítě aplikované v kinetické analýze komplexních procesů nukleačního růstu: Vynikající řešení pro plně se překrývající reakční mechanismy	Výkonnost několika architektur neuronových sítí (konvoluční neuronová síť CNN, vícevrstvý perceptron MLP, CNN/MLP hybrid CDD) byla hodnocena pro kinetickou analýzu komplexních procesů s překrývajícími se nezávislými reakčními mechanismy na základě modelu nukleačního růstu Johnson-Mehl-Avrami (JMA) . Teoreticky simulovaná data použitá pro testování pokryla naprostou většinu reálných scénářů kinetiky pevných látek JMA-JMA. Výkon testovaných architektur klesal v následujícím pořadí: MLP > CDD >> CNN. Pro částečně se překrývající procesy architektura CDD a MLP poskytla přesné odhady kinetických parametrů modelu JMA, které fungují na stejné úrovni jako tradiční metody kinetické analýzy. U plně se překrývajících kinetických procesů se přesnost odhadů poskytovaných neuronovými sítěmi výrazně zhoršila, avšak stále do značné míry překonávají tradiční přístupy kinetické analýzy založené na standardní nelineární optimalizaci, jako je matematická nebo kinetická dekonvoluce. Odpovídající kinetické predikce byly dostatečně přesné pro většinu příprav reálných aplikací (sklokeramika).	CDD; komplexní proces; JMA model; MLP; teoretická kinetická analýza
eng	Neural networks applied in kinetic analysis of complex nucleation-growth processes: Outstanding solution for fully overlapping reaction mechanisms	Performance of several neural network architectures (convolutional neural network CNN, multilayer perceptron MLP, CNN/MLP hybrid CDD) was evaluated for kinetic analysis of complex processes with overlapping independent reaction mechanisms based on the nucleation-growth Johnson-Mehl-Avrami (JMA) model. Theoretically simulated data used for the testing covered absolute majority of real-life JMA-JMA solid-state kinetics scenarios. The performance of the tested architectures decreased in the following order: MLP > CDD >> CNN. For partially overlapping processes the CDD and MLP architectures provided accurate estimates of the JMA model kinetic parameters, performing on par with traditional methods of kinetic analysis. For the fully overlapping kinetic processes, the accuracy of the estimates provided by the neural networks significantly worsened, however still largely outperforming the traditional approaches of kinetic analysis based on the standard non-linear optimization, such as mathematic or kinetic deconvolution. The corresponding kinetic predictions were of suitable precision for majority of real-life applications preparation (glass-ceramics).	CDD; complex process; JMA model; MLP; theoretical kinetic analysis

Search

Přihlášení pro studenty

Přihlášení pro zaměstnance

Publikace detail

Katedry

Ústavy a pracoviště

Jak nás najdete?

Služby

Často hledáte