材料科学基础 - 武汉理工大学

名称:材料科学基础-武汉理工大学描述:通过该课程的学习,使学生掌握晶体结构、晶体结构缺陷、非晶态结构与性质、表面结构与性质、相平衡与相图、基本动力学过程(扩散、材料中的相变、材料制备中的固态反应、烧结)等方面的科学原理与工程方法,全面理解材料科学中的共性规律,即材料的组成-形成(工艺)条件-结构-性能-材料用途之间的相互关系及制约规律,通过科学思维方法的训练,培养学生运用科学原理解决实际问题的工程能力,为将来从事材料设计及研发工作奠定必要的基础。链接:https://www.alipan.com/s/YHT4ySCoJaa大小:NG标签:#学习#知识#课程#资源来自:雷锋版权:频道:@shareAliyun群组:@aliyundriveShare投稿:@aliyun_share_bot

相关推荐

封面图片

材料科学基础 - 大连理工大学

名称:材料科学基础-大连理工大学描述:材料科学是探究材料结构、制备、性能和使役行为之间关系和变化规律的一门应用基础学科。“材料科学基础”是材料类各专业的重要专业基础课程。通过本课程相关基础理论知识的学习,学生将具有分析、解决材料科学与工程专业复杂工程问题的基本能力,并为后续专业课的继续学习奠定基础。链接:https://www.alipan.com/s/1S9UEZcpYho大小:NG标签:#学习#知识#课程#资源来自:雷锋版权:频道:@shareAliyun群组:@aliyundriveShare投稿:@aliyun_share_bot

封面图片

材料科学基础 - 上海交通大学

名称:材料科学基础-上海交通大学描述:上海交通大学“材料科学基础”课程历史悠久,在首批国家精品课程评选中被列入“2003年度国家精品课程”。本课程从教学要求出发,着重于材料科学的基本概念和基础理论,适当地掌握内容的深度和广度,要求科学性、先进性和实用性,并引导学生应用理论于解决材料工程的实际问题。链接:https://www.alipan.com/s/hsPAPunZ8KB大小:NG标签:#学习#知识#课程#资源来自:雷锋版权:频道:@shareAliyun群组:@aliyundriveShare投稿:@aliyun_share_bot

封面图片

材料科学基础 - 西安交通大学

名称:材料科学基础-西安交通大学描述:本课程内容体现了西安交通大学金属材料强度国家重点实验室以传统的金属材料强度为核心的学科特色。通过本课程学习,使学生了解并掌握材料科学中的共性规律,了解材料的成分-组织结构-制备工艺及性能之间的关系,为将来解决材料领域复杂工程问题、从事材料设计及研发工作奠定必要的基础。链接:https://www.alipan.com/s/5pbcy5s6wsj大小:NG标签:#学习#知识#课程#资源来自:雷锋版权:频道:@shareAliyun群组:@aliyundriveShare投稿:@aliyun_share_bot

封面图片

科学馆推出新展览 介绍材料科学与设计

科学馆推出新展览介绍材料科学与设计香港科学馆明天起推出新展览,名为「天生我『材』─材料科学与设计」,包括有来自伦敦设计博物馆首次在本港展出的过百件藏品,由史前人类运用石头、青铜等,到现代发展至塑胶甚至纳米产品,介绍人类生活及文明如何透过不同物料得以改善及塑造。康文署表示,展览亦有介绍由本地研发的崭新材料制成品,包括用于建筑比一般混凝土更轻的「轻质泡沫混凝土」、由粟木衣和秆制成的「纳米纤维素羽绒服」、使用「不含生物杀伤剂的斥菌光油」的外卖纸盒和含有回收的植物性废料及可生物降解塑胶的环保餐具等。参观者可透过特别设计的互动展品,认识不同物料的特性和应用。2023-05-1823:08:28

封面图片

熵 - 可能改变材料科学的新理论

熵-可能改变材料科学的新理论在753开尔文温度下进行的原子分子动力学模拟的快照,显示了极化氧化钛与不同方向的局部四方结构的结合,描绘了局部90度和180度的畴壁。图片来源:刘子魁提供这一理论是由宾夕法尼亚州立大学材料科学与工程系杰出的多萝西-佩特-恩莱特教授刘子奎领导的团队提出的。zentropy中的"Z"源自德语术语"Zustandssumm",意为熵的"状态总和"。刘说,"zentropy"也可以看作是佛教术语"禅宗"和熵的谐音,用来揭示系统的本质。刘说,这个想法是考虑熵如何在一个系统内的多个尺度上发生,以帮助预测系统受周围环境影响时的潜在结果。刘和他的研究团队发表了关于这一概念的最新论文,证明这种方法可以提供一种预测实验结果的方法,并能更有效地发现和设计新的铁电材料。这项工作结合了一些直觉和大量物理学知识,提供了一种预测先进材料行为的无参数途径,论文发表在《ScriptaMaterialia》上。研究人员说,铁电体具有独特的性质,这使它们在目前和开发材料的各种应用中都很有价值。其中一种特性是自发的电极化,通过施加电场可以逆转,这促进了从超声波到喷墨打印机、电脑的高能效RAM到智能手机中的铁电驱动陀螺仪等技术的发展,从而实现了流畅的视频和清晰的照片。为了开发这些技术,研究人员需要通过实验来了解这种极化及其逆转的行为。为了提高效率,研究人员通常根据预测结果来设计实验。通常情况下,这种预测需要进行被称为"拟合参数"的调整,以便与现实世界的变量紧密匹配,而这需要花费时间和精力来确定。但禅熵可以整合自上而下的统计力学和自下而上的量子力学,预测系统的实验测量结果,而无需进行此类调整。刘说:"当然,归根结底,实验才是最终的检验标准,但我们发现,zentropy可以提供定量预测,从而大大缩小可能性的范围。我们可以设计更好的实验来探索铁电材料,研究工作的进展也会更快,这意味着可以节省时间、精力和金钱,效率更高。"虽然刘和他的团队已经成功地应用禅熵理论预测了一系列材料在各种现象下的磁性能,但发现如何将其应用于铁电材料一直是个棘手的问题。在当前的研究中,研究人员报告说他们找到了一种将禅熵理论应用于铁电材料的方法,重点是钛酸铅。与所有铁电材料一样,钛酸铅具有电极性,当施加外部电场、温度变化或机械应力时,电极性可以逆转。当电场使电极化反转时,系统会从一个方向的有序转变为无序,然后在系统稳定到新方向时再次转变为有序。然而,这种铁电性只发生在每种铁电材料特有的临界温度以下。超过这个温度,铁电性--反极化能力--就会消失,而副电性--极化能力--就会出现。这种变化被称为相变。刘说,对这些温度的测量可以显示各种实验结果的关键信息。然而,在实验之前预测相变几乎是不可能的。"没有任何理论和方法能在实验前准确预测铁电材料的自由能和相变,"刘说。"对转变温度的最佳预测与实验的实际温度相差100多度。"造成这种差异的原因是模型中未知的不确定性,以及拟合参数无法考虑影响实际测量的所有突出信息。例如,一种常用的理论描述了铁电性和准电性的宏观特征,但没有考虑动态域壁等微观特征--材料内部具有不同极化特征的区域之间的边界。这些构型是系统的构件,随温度和电场的变化而显著波动。在铁电体中,材料中电偶极子的配置会改变极化方向。研究人员利用禅熵来预测钛酸铅的相变,包括确定材料中三种可能的构型。研究人员的预测是有效的,而且与科学文献中报道的实验观察结果一致。他们利用公开的畴壁能量数据预测出了776开尔文的转变温度,与观测到的763开尔文实验转变温度非常吻合。刘说,研究小组正致力于通过更好地预测畴壁能量与温度的函数关系,进一步缩小预测温度与观测温度之间的差异。刘说,这种预测过渡温度的能力与实际测量结果如此接近,可以为铁电材料的物理特性提供宝贵的见解,并帮助科学家更好地进行实验设计:"这基本上意味着,在进行实验之前就可以对材料的微观和宏观表现有一些直觉和预测方法。我们可以在实验前就开始准确预测结果"。与刘一起参与这项研究的宾夕法尼亚州立大学的其他研究人员还包括材料科学与工程研究教授尚顺丽、材料科学与工程研究教授王毅,以及研究时的材料科学与工程研究员杜京莲。...PC版:https://www.cnbeta.com.tw/articles/soft/1385731.htm手机版:https://m.cnbeta.com.tw/view/1385731.htm

封面图片

DeepMind人工智能工具将材料科学带入下一个800年

DeepMind人工智能工具将材料科学带入下一个800年发现具有非同寻常特性的新材料可以让技术的雪球滚动起来,最终推动社会向新的方向发展--但到目前为止,这是一个艰苦缓慢的过程,需要进行大量的试错实验。例如,无机晶体材料在首次合成时可能会显示出巨大的潜力,但如果晶体不能保持稳定,所有这些潜力都将化为乌有;如果发现一种新晶体可以提高电池或电子产品的性能,但它却会崩解和降解,那就没有任何好处了。而这正是DeepMind的"材料探索图网络"(GraphNetworksforMaterialsExploration,GNoME)深度学习工具刚刚发布的消息有望带来巨大变革的地方。GNoME人工智能识别出的稳定无机晶格结构GNoME工具已经发现了不少于220万种新的无机晶体,并将其中38万种晶体鉴定为最稳定的晶体,为研究人员提供了一份经过预先筛选的新材料清单,以便他们去合成新材料,进行实验研究。其中约736种材料已经在世界各地的研究实验室中独立完成。"在这些候选材料中,有可能开发出未来变革性技术的材料,从为超级计算机提供动力的超导体,到提高电动汽车效率的下一代电池,不一而足。"Google博客这样叙述。DeepMind团队介绍说:"在这些新发现中有5.2万种与石墨烯类似的新型层状化合物,它们有可能随着超导体的开发而彻底改变电子技术,在此之前,已经发现了大约1000种此类材料。我们还发现了528种潜在的锂离子导体,是之前研究的25倍,可用于提高充电电池的性能。"Google正在将GNoME的所有发现和预测提供给"下一代材料项目"(NextGenMaterialsProject),DeepMind在该项目中为人工智能提供了大量的训练材料。虽然其他人工智能系统在发现新晶体方面做了大量工作,但GNoME系统现在已经以前所未有的规模完成了这项工作,并以前所未有的准确性预测出哪些晶体结构将足够稳定,值得进行实验。最终的结果是,浪费的时间将大大减少;研究人员将能够把精力集中在新材料结构的巨大宝库上,而不会因为晶体不稳定而走入许多死胡同。自主实验室技术有望进一步加速材料科学的发展图/伯克利实验室更重要的是,DeepMind团队还与伯克利实验室合作,创建并演示了一个能够自主合成这些新晶体的机器人实验室。在今天发表的一篇论文中,团队报告说,机器人实验室已经成功合成了41种这种新材料--进一步加速合成的潜力令人瞩目。这两个项目可能会开启数不清的技术发展之路--它们鲜明地表明,人工智能系统已经开始在生活的几乎每一个领域引发剧烈动荡。晶体发现论文和自主实验室论文在《自然》杂志上公开发表。...PC版:https://www.cnbeta.com.tw/articles/soft/1400815.htm手机版:https://m.cnbeta.com.tw/view/1400815.htm

🔍 发送关键词来寻找群组、频道或视频。

启动SOSO机器人