“热力学性质的优化模型”

argonne团队将先进的建模技术和具有300年历史的统计分析技术相结合，提高材料的特点。

在你人生的某个时刻，你说某个人-父母、老师、导师-你越练习，你就越好。 是因为托马斯·贝斯，18世纪的英国牧师谁感兴趣，赢了比赛，正式这个简单的注意就是现在著名的数学表达式。

为了检验构成概念和现象的行为、属性和其他机制，贝叶斯分析是使用一系列不同但相似的数据统计通知概念和现象的最佳模型。

简单来说，贝叶斯统计就是从我们现在最好的理解开始，用实验和模拟的新数据更新，从而得到更好的理解。 美国部门的计算材料科学家诺亚·保尔森说。 能源部( doe )阿尔贡国家实验室。

这种做法在成立300多年的时间里取得了一些成功，这是时间终于到了的想法。

在航天学等一些行业，研究者已经成功地开发和共享了贝叶斯技术和代码。 在其他方面，正如材料科学一样，贝叶斯分解方法的实施才刚刚开始。

简单地说，贝叶斯统计数据是定义我们理解的东西，为了获得更准确的理解，用实验和模拟的新数据进行更新的方法。 - argonne国家实验室计算材料科学家noah paulson

paulson和几位argonne同事应用贝叶斯方法量化材料热力学性质的不确定性。 换言之，他们想明确自己对收集到的材料数据和用于表示这些数据的数学模型能抱有多少信心。

虽然统计技术应用于许多行业，但研究者开始建立铪( hf )热力学性质的最佳模型。 铪是一种新型金属，是计算机电子学的重要组成部分。 这样的做法的结果将在2019年9月出版的国际工程科学杂志上发表。

我们发现对这样的资料一无所知。 因为数据集太多了，有这么多冲突新闻。 因此我们进行了贝叶斯分解，提出了社区可以接受并用于研究和应用的模型。 由ariusne应用材料部门( amd )负责智能材料设计的marius stan说，他是芝加哥大学高级科学工程联合会和西北阿贡科学工程研究所的高级研究员。

为了得到材料热力学性质的最佳模型，研究者采用了以前的知识和主题相关的数据作为出发点。

在这种情况下，小组正在寻找最佳模型，以明确焓(材料中的能量)和比热(将材料单位质量的温度提高1℃所需的热量)铪。 表示模型控制它们的具有不同参数的方程式和数学表达式。 目标是找出最佳的参数。

我们必须首先推测这些参数应该是什么。 amd热和结构材料集团的保尔森说。 通过文献，我们发现了有点意义的范围和价值观。 因为我们要把这个用到我们面前的每一个。

研究者探索的参数之一是晶体的最高正常振荡模式的温度。 被称为爱因斯坦和德拜温度，影响材料的比热。

以前或最初的推测基于现有模型、最初的数据或行业专家的直觉。 利用来自实验和仿真的校准数据，贝叶斯统计更新了先验知识，阐明了对后验模型的更新理解。 然后，贝叶斯框架可以明确新数据与测试中的模型是更好还是更坏。

和宇宙学一样，材料科学需要找出最佳解释数据的最佳模型和参数值，明确与这些参数相关联的不确定性。 如果没有错误，则很少关注具有最佳拟合参数值。 小组成员表示，他是elise jennings、argonne领导力计算机构( alcf )统计计算科学家、doeoffice of science客户设施和芝加哥大学kavli宇宙物理研究所的合作伙伴。

她说，这是材料科学面临的最大挑战。 缺少可用数据集的误差和不确定性。 例如，铪的研究依赖于从以前发表的论文中选择的数据集，但不存在或排除了错误范围。

为此，除了介绍铪的特定热力学性质的模型外，还探讨了材料科学和其他研究行业允许无模糊数据集的技术。

对科学家和工程师来说，这是个重要的问题，斯坦说。 我们正在提出更好的方法来判断新闻有多重要。 我想知道我们对模型和数据有多可靠。 这个事业展示了更好的判断方法。

基于该研究的论文材料热力学性质不明确的量化贝叶斯战略可以在线( 6月13日)获得，并刊登在2019年9月的国际工程科学杂志上。 noah paulson、elise jennings和marius stan合作进行了这项研究。

这项研究得到了国家标准技术研究所( nist )资助的chimad计划的支持。