Neural Network Modeling of Microstructure Complexity Using Digital Libraries
Diese Studie zeigt, dass Leaky-Integrate-and-Fire-neuronale Netze, die auf digitalen Bibliotheken von Simulationsdaten trainiert wurden, traditionelle Computer-Vision-Modelle bei der Vorhersage von Mikrostruktur-Evolutionsphänomenen wie Ermüdungsrisswachstum und Turing-Mustern übertreffen, indem sie eine überlegene Genauigkeit bei signifikant reduziertem Parameter- und Speicherbedarf erreichen.