Understanding the three-dimensional multiscale porous microstructures by applying deep neural networks

应用深度神经网络理解三维多尺度多孔微结构

• 批准号: 21K14090
• 负责人: SCIAZKO Anna
• 金额: $ 3万
• 依托单位: The University of Tokyo
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Early-Career Scientists
• 财政年份: 2021
• 资助国家: 日本
• 起止时间: 2021-04-01 至 2023-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-21K14090/
• 关键词: solid oxide fuel cell; machine learning; 3D microstructure; FIB-SEM; GAN network; semantic segmentation; super-resolution; artificial structure; porous material; porous electrode

项目成果

Synthesizing Electrode Microstructures with Predefined Spatial Gradients By Conditional Generative Adversarial Networks

通过条件生成对抗网络合成具有预定义空间梯度的电极微结构

• 发表时间: 2022
• 作者: Yamagishi;R.;Sciazko;A.;Komatsu;Y.;and Shikazono;N.
• 通讯作者: N.

Prediction of Microstructure Evolutions in Solid Oxide Cell Electrodes with Unsupervised Image-to-Image Translation Networks

使用无监督图像到图像转换网络预测固体氧化物电池电极的微观结构演变

• 发表时间: 2022
• 作者: Sciazko;A.;Komatsu;Y. and Shikazono;N.
• 通讯作者: N.

Operando observations of active three phase boundary of patterned nickel - Yttria stabilized zirconia electrode in solid oxide cell

• DOI: 10.1016/j.jpowsour.2022.231228
• 发表时间: 2022-03
• 期刊: Journal of Power Sources
• 影响因子: 9.2
• 作者: Zhufeng Ouyang;Y. Komatsu;A. Sciazko;J. Onishi;K. Nishimura;N. Shikazono

Degradation predictions of solid oxide cells through Electrochemical Impedance Spectra with Long Short-Term Memory Neural Network

通过电化学阻抗谱和长短期记忆神经网络对固体氧化物电池的降解进行预测

• 发表时间: 2021
• 作者: Yamagishi;R.;Sciazko;A.;Komatsu;Y.;Nishimura;K. and Shikazono;N.
• 通讯作者: N.

非等方な解像度を有するFIB-SEMデータセットからの電極構造再構築

具有各向异性分辨率的 FIB-SEM 数据集的电极结构重建

• 发表时间: 2021
• 作者: SCIAZKO ANNA;小松洋介;志村敬彬;鹿園直毅
• 通讯作者: 鹿園直毅