Maschinenlernen revolutioniert die Materialforschung: Vorhersage des Verhaltens neuer Polymere durch Röntgendiffraktionsdaten Ein Machine-Learning-Algorithmus zur Vorhersage des Verhaltens neuer Polymermaterialien anhand von Röntgendiffraktionsdaten Die Revolution der Polymerforschung durch maschinelles Lernen In der modernen Welt sind Polymere wie Polypropylen unverzichtbare Materialien und ...
Revolutionäre Vorhersage neuer Polymermaterialien: Machine Learning ersetzt herkömmliche Testmethoden Maschinelles Lernen revolutioniert die Polymerforschung: Neue Ansätze zur Vorhersage von Materialeigenschaften Ein bahnbrechendes Studium aus Japan! TSUKUBA, Japan – Ein neues Forschungsergebnis, das in der renommierten Fachzeitschrift Science and Technology of ...
Die Vorhersage der mechanischen Eigenschaften neuer Polymere nach ihrer Verarbeitung zu einem Produkt kann schwierig sein und erfordert normalerweise zerstörerische physikalische Tests. Forscher am National Institute for Materials Science (NIMS) in Tsukuba, Japan, haben eine Technik entwickelt, die maschinelles Lernen ...
Für passive Permeabilitätsbestimmungen wurden 96-Well-Platten durchlässige Einsätze mit Madin-Darby-Kaninchen-Nieren (MDCK)-Zellen platziert und für drei Tage kultiviert. Der Testartikel in Dimethylsulfoxid (DMSO) Vorratslösung (10 mM) wurde zu Hanks ausbalancierter Salzlösung (HBSS) gegeben, um eine Endkonzentration von 10 μM zu erreichen. Das ...
Der erstellte Modell-Backbone kann gleichzeitig die Gleichgewichtskonformation und die QC-Eigenschaft vorhersagen, die als \((y,\, {\hat{{\boldsymbol{r}}}})=f({{\boldsymbol{X}}},\, {{\boldsymbol{E}}},\, {{\boldsymbol{r}}};{{\boldsymbol{\theta }}})\) bezeichnet wird. Dieses Modell verwendet drei Eingaben: (i) Atommerkmale (\({{\boldsymbol{X}}}\in {{\mathbb{R}}}^{n\times {d}_{f}}\)), (ii) Kanteneigenschaften (\({{\boldsymbol{E}}}\in {{\mathbb{R}}}^{n\times n\times {d}_{e}}\)), und (iii) 3D-Koordinaten von ...
In dem Artikel “Bioanalyse von Arzneimitteln unter Verwendung von Flüssigphasenmikroextraktion in Kombination mit Flüssigchromatographie-Massenspektrometrie” von Hansen, Øiestad und Pedersen-Bjergaard (2020) wird die Anwendung von bioanalytischen Methoden zur Untersuchung von Pharmazeutika diskutiert. Prabu und Suriyaprakash (2012) führen in ihrem Review-Artikel eine ...
In dieser Studie minimieren wir die Trainingsfehler des Random-Forest-Regressors, indem wir die Anzahl der Deskriptoren optimieren, die für den Modellaufbau verwendet werden. Zunächst wird ein Entscheidungsbaum-Regressor auf dem vollständigen Satz von 506 Deskriptoren mit einer maximalen Baumtiefe von 20 Schichten ...
Wissensintensive Natural Language Processing (NLP) umfasst Aufgaben, die ein tiefes Verständnis und die Manipulation umfangreicher sachlicher Informationen erfordern. Diese Aufgaben fordern Modelle heraus, effektiv auf externe Wissensquellen zuzugreifen, diese abzurufen und zu nutzen, um genaue und relevante Ergebnisse zu erzielen. ...