ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Uncertainty Quantification in Multiscale Materials Modeling

دانلود کتاب کمی سازی عدم قطعیت در مدل سازی مواد چند مقیاسی

Uncertainty Quantification in Multiscale Materials Modeling

مشخصات کتاب

Uncertainty Quantification in Multiscale Materials Modeling

ویرایش:  
نویسندگان: ,   
سری: Elsevier Series in Mechanics of Advanced Materials Ser 
ISBN (شابک) : 9780081029428, 008102942X 
ناشر: Elsevier Science & Technology 
سال نشر: 2020 
تعداد صفحات: 606 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 18 مگابایت 

قیمت کتاب (تومان) : 51,000



کلمات کلیدی مربوط به کتاب کمی سازی عدم قطعیت در مدل سازی مواد چند مقیاسی: کتاب های الکترونیکی



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 17


در صورت تبدیل فایل کتاب Uncertainty Quantification in Multiscale Materials Modeling به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.

توجه داشته باشید کتاب کمی سازی عدم قطعیت در مدل سازی مواد چند مقیاسی نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.


توضیحاتی در مورد کتاب کمی سازی عدم قطعیت در مدل سازی مواد چند مقیاسی

جلد جلو -- تعیین کمیت عدم قطعیت در مدلسازی مواد چند مقیاسی -- مکانیک سری مواد پیشرفته -- سردبیر سری: وادیم وی. : ژونگ چن -- تعیین کمیت عدم قطعیت در مدلسازی مواد چند مقیاسی -- حق چاپ -- مطالب -- مشارکت کنندگان -- درباره ویراستاران سری -- سردبیر -- ویراستاران سری -- پیشگفتار -- 1 -- تعیین کمیت عدم قطعیت در مدلسازی مواد -- 1.1 طراحی و مدل سازی مواد -- 1.2 منابع عدم قطعیت در مدل سازی مواد چند مقیاسی


توضیحاتی درمورد کتاب به خارجی

Front Cover -- Uncertainty Quantification in Multiscale Materials Modeling -- Mechanics of Advanced Materials Series -- Series editor-in-chief: Vadim V. Silberschmidt -- Series editor: Thomas Böhlke -- Series editor: David L. McDowell -- Series editor: Zhong Chen -- Uncertainty Quantification in Multiscale Materials Modeling -- Copyright -- Contents -- Contributors -- About the Series editors -- Editor-in-Chief -- Series editors -- Preface -- 1 -- Uncertainty quantification in materials modeling -- 1.1 Materials design and modeling -- 1.2 Sources of uncertainty in multiscale materials modeling



فهرست مطالب

Front Cover......Page 1
Uncertainty Quantification in Multiscale Materials Modeling......Page 2
Series editor: Zhong Chen......Page 3
Uncertainty Quantification in Multiscale Materials Modeling......Page 4
Copyright......Page 5
Contents......Page 6
Contributors......Page 12
Series editors......Page 16
Preface......Page 18
1.1 Materials design and modeling......Page 20
1.2 Sources of uncertainty in multiscale materials modeling......Page 25
1.2.1 Sources of epistemic uncertainty in modeling and simulation......Page 26
1.2.2.1 Models at different length and time scales......Page 27
1.2.3 Linking models across scales......Page 29
1.3.1 Monte Carlo simulation......Page 31
1.3.2 Global sensitivity analysis......Page 32
1.3.4 Gaussian process regression......Page 34
1.3.5 Bayesian model calibration and validation......Page 38
1.3.6 Polynomial chaos expansion......Page 39
1.3.7 Stochastic collocation and sparse grid......Page 40
1.3.9 Polynomial chaos for stochastic Galerkin......Page 41
1.3.10 Nonprobabilistic approaches......Page 42
1.4.2 UQ for MD simulation......Page 43
1.4.3 UQ for meso- and macroscale materials modeling......Page 44
1.4.5 UQ in materials design......Page 46
1.5 Concluding remarks......Page 47
References......Page 48
2.1 Introduction......Page 60
2.2.1 The Kohn–Sham formalism......Page 61
2.2.2 Computational recipes......Page 62
2.3.1 Numerical errors......Page 64
2.3.2 Level-of-theory errors......Page 68
2.3.3 Representation errors......Page 69
2.4.1 Regression analysis......Page 71
2.4.2 Representative error measures......Page 74
2.5.1 Case 1: DFT precision for elemental equations of state......Page 76
2.5.2 Case 2: DFT precision and accuracy for the ductility of a W–Re alloy......Page 81
2.6 Discussion and conclusion......Page 86
References......Page 88
3.1 Introduction......Page 96
3.2 Construction of the functional ensemble......Page 97
3.3 Selected applications......Page 102
References......Page 107
4.1 Introduction......Page 112
4.2 Diffusion model......Page 113
4.3 Methodology for uncertainty quantification......Page 118
4.4 Computational details......Page 122
4.5.1 Distribution of parameters......Page 123
4.5.2 Distribution of diffusivities......Page 125
4.5.3 Distribution of drag ratios......Page 129
4.6 Conclusion......Page 131
References......Page 133
5.1 Introduction......Page 138
5.2 Literature review......Page 142
5.3.1 Concurrent searching method......Page 145
5.3.2 Curve swarm searching method......Page 147
5.3.3 Concurrent searching method assisted by GP model......Page 149
5.3.4 Benchmark on synthetic examples......Page 153
5.4.1 Symmetry invariance in materials systems......Page 159
5.4.2 Efficient exploit of symmetry property......Page 160
5.4.3 Dynamic clustering algorithm for GP-DFT......Page 161
5.4.4 Prediction using multiple local GP......Page 162
5.5.1 Hydrogen embrittlement in FeTiH......Page 164
5.5.2 Hydrogen embrittlement in pure bcc iron, Fe8H......Page 169
5.5.3 Hydrogen embrittlement in pure bcc iron, Fe8H, using GP-DFT......Page 173
5.6 Discussions......Page 176
References......Page 180
6.1 Introduction......Page 188
6.2.1.1 Bayes' theorem......Page 190
6.2.1.3 Model selection......Page 195
6.2.2.2 Data inconsistency......Page 196
6.2.2.3 Model inadequacy/model errors......Page 197
6.2.3.1 Additive model correction......Page 198
6.2.3.2 Hierarchical models......Page 199
6.2.3.3 Stochastic Embedding models......Page 200
6.2.3.4 Approximate Bayesian Computation......Page 202
6.3.1 Sampling from the posterior PDF......Page 203
6.3.2 Metamodels......Page 205
6.3.2.1 Kriging......Page 206
6.3.2.2 Adaptive learning of kriging metamodels......Page 207
6.3.2.3 Polynomial Chaos expansions......Page 209
6.3.3 Approximation of intractable posterior PDFs......Page 211
6.3.4 High-performance computing for Bayesian inference......Page 213
6.4 Applications......Page 214
6.4.1.2 Bayesian calibration......Page 215
6.4.1.4 Uncertainty propagation through molecular simulations......Page 218
6.4.1.5 Model improvement and model selection......Page 219
6.4.2.1 Polynomial Chaos expansions......Page 223
6.4.2.1.1 Calibration using an uncertain PC surrogate model......Page 228
6.4.2.2 Gaussian processes and efficient global Optimization strategies......Page 231
6.4.3 Model selection and model inadequacy......Page 234
6.5 Conclusion and perspectives......Page 236
Abbreviations and symbols......Page 238
References......Page 239
7.1 Introduction......Page 248
7.2 Generalized interval arithmetic......Page 251
7.3 Reliable molecular dynamics mechanism......Page 253
7.3.1.1 Interval potential: Lennard-Jones......Page 254
7.3.1.3 Interval potential: embedded atomic method potential......Page 255
7.3.2 Interval-valued position, velocity, and force......Page 258
7.3.3.1 Midpoint–radius or nominal–radius scheme......Page 260
7.3.3.3 Total uncertainty principle scheme......Page 262
7.3.3.4 Interval statistical ensemble scheme: interval isothermal-isobaric (NPT) ensemble......Page 263
7.4.1 Simulation settings......Page 265
7.4.3 Numerical results......Page 267
7.4.4 Comparisons of numerical results for different schemes......Page 269
7.4.5 Verification and validation......Page 277
7.4.6 Finite size effect......Page 280
7.5 Discussion......Page 282
7.6 Conclusions......Page 286
References......Page 287
8.1 Introduction......Page 292
8.2 Interval probability and random set sampling......Page 295
8.3 Random set sampling in KMC......Page 299
8.3.1 Event selection......Page 300
8.3.2 Clock advancement......Page 302
8.3.2.1 When events are independent......Page 303
8.3.2.2 When events are correlated......Page 304
8.3.3 R-KMC sampling algorithm......Page 305
8.4.1 Escherichia coli reaction network......Page 308
8.4.2 Methanol decomposition on Cu......Page 309
8.4.3 Microbial fuel cell......Page 313
8.5 Summary......Page 315
References......Page 316
9.1 Introduction......Page 320
9.2 Cahn–Hilliard–Cook model......Page 324
9.3 Methodology......Page 325
9.3.3 Galerkin approximation......Page 326
9.3.4 Time scheme......Page 327
9.4 Morphology characterization......Page 328
9.5.1 Spatial discretization......Page 329
9.5.3 Parallel space–time noise generation......Page 330
9.5.4 Scalability analysis......Page 332
9.6.1 Energy-driven analysis and noise effects......Page 333
9.6.2 Domain size analysis......Page 335
9.6.4 Enforcing fluctuation–dissipation......Page 338
9.7 Conclusions......Page 343
References......Page 344
10.1 Introduction......Page 348
10.2 Applying UQ at the mesoscale......Page 349
10.3.1 Introduction......Page 351
10.3.2 Model summaries......Page 352
10.3.3 Sensitivity analysis......Page 355
10.3.4 Uncertainty quantification......Page 356
10.4.2 Model summaries......Page 358
10.4.3 Sensitivity analysis......Page 360
10.4.4 Uncertainty quantification......Page 362
10.5.2 Model summaries......Page 365
10.5.3 Sensitivity analysis......Page 366
10.5.4 Uncertainty quantification......Page 367
References......Page 369
11.1 Background and literature review......Page 374
11.2 Our approach for multiscale UQ and UP......Page 378
11.2.1 Multiresponse Gaussian processes for uncertainty quantification......Page 380
11.2.2 Top-down sampling for uncertainty propagation......Page 381
11.3.1 Uncertainty sources......Page 382
11.3.2 Multiscale finite element simulations......Page 384
11.3.3 Top-down sampling, coupling, and random field modeling of uncertainty sources......Page 386
11.3.4 Dimension reduction at the mesoscale via sensitivity analysis......Page 389
11.3.5 Replacing meso- and microscale simulations via metamodels......Page 391
11.3.6 Results on macroscale uncertainty......Page 393
11.4 Conclusion and future works......Page 396
Details on the sensitivity studies at the mesoscale......Page 397
References......Page 399
12.1 Introduction......Page 404
12.2.1 Definition of scales......Page 405
12.2.2 On the representation of random fields......Page 407
12.2.3 Information-theoretic description of random fields......Page 410
12.2.4 Getting started with a toy problem......Page 412
12.3.1 Preliminaries......Page 415
12.3.2 Setting up the MaxEnt formulation......Page 416
12.3.3 Defining the non-Gaussian random field......Page 419
12.3.4.1 Formulation......Page 421
12.3.4.2 Two-dimensional numerical illustration......Page 424
12.4.1 Background......Page 426
12.4.2 Setting up the MaxEnt formulation......Page 427
12.4.3 Defining random field models for strain energy functions......Page 431
12.5 Conclusion......Page 434
References......Page 435
13.1 Introduction......Page 440
13.2.1 Finite element model of composite plate......Page 444
13.2.2 Matrix crack modeling......Page 445
13.2.3 Fractal dimension......Page 448
13.2.4 Spatial uncertainty in material property......Page 450
13.3.1 Localized damage detection based on fractal dimension–based approach......Page 451
13.3.2 Spatial uncertainty......Page 458
13.4 Conclusions......Page 460
References......Page 463
14.1 Introduction......Page 468
14.2 Multiresponse, multiscale TDBU HMM calibration......Page 469
14.2.2 Formulation......Page 470
14.3 Usage: TDBU calibration of CP of bcc Fe......Page 474
14.3.2 Crystal plasticity model......Page 475
14.3.3 Parameter estimates and data......Page 476
14.3.4 Implementation of the method......Page 477
14.4 Between the models: connection testing......Page 479
14.4.1 Background......Page 480
14.4.2 Formulation......Page 481
14.5.1 Background......Page 483
14.5.2 Implementation......Page 484
14.6 Discussion and extensions to validation......Page 485
References......Page 488
15.1 Introduction......Page 492
15.2 Hierarchical reliability approach......Page 496
15.3.1 Construction of a stochastic reduced–order model......Page 499
15.3.2 SROM-based surrogate model and Monte Carlo simulation......Page 504
15.4 Concurrent coupling......Page 506
15.5 Applications examples......Page 509
15.5.1.2 Model definition......Page 510
15.5.1.4 Results......Page 512
15.5.2.1 Objective......Page 516
15.5.2.3 Uncertainty......Page 517
15.5.2.4 Results......Page 520
15.5.3.2 Model definition......Page 523
15.5.3.3 Uncertainty......Page 528
15.5.3.4 Results......Page 529
15.5.4 Summary and discussion......Page 531
15.6 Conclusions......Page 532
Nomenclature......Page 533
References......Page 534
16.1 Introduction......Page 538
16.2.1 Surrogate model with uncertainties......Page 541
16.2.2 Utility functions......Page 543
16.3 Design of new shape-memory alloys......Page 546
16.3.1 Searching for NiTi-based shape-memory alloys with high transformation temperature......Page 547
16.3.2 Search for very low thermal hysteresis NiTi-based shape-memory alloys......Page 549
References......Page 554
17.1 Introduction......Page 558
17.2 A strategy for predicting the mechanical properties of additively manufactured metallic lattice structures via strut-level .........Page 562
17.3 Experimental investigation of the mechanical properties of DMLS octet lattice structures......Page 565
17.3.2 Dimensional accuracy and relative density analysis of octet truss lattice structures......Page 566
17.3.3 Tension testing of standard tensile bars......Page 567
17.3.4 Compression testing of octet truss lattice structures......Page 568
17.4 Finite element analysis of the DMLS octet lattice structures based on bulk material properties......Page 571
17.5 Experimental investigation of the mechanical properties of DMLS lattice struts......Page 574
17.6 Finite element analysis of the DMLS octet lattice structures based on strut-level properties......Page 577
17.7 Opportunities for expanding the experimental study to better inform the finite element modeling......Page 578
17.8 Discussion......Page 579
Appendix......Page 580
References......Page 581
B......Page 586
C......Page 587
D......Page 589
E......Page 590
G......Page 591
I......Page 593
L......Page 594
M......Page 595
N......Page 597
P......Page 598
Q......Page 599
R......Page 600
S......Page 601
T......Page 602
U......Page 603
V......Page 604
Z......Page 605
Back Cover......Page 606




نظرات کاربران