一种多尺度集成的温度组分相图建模方法及装置

    公开(公告)号:CN116612842A

    公开(公告)日:2023-08-18

    申请号:CN202310698694.X

    申请日:2023-06-13

    Abstract: 本发明涉及材料基因工程和集成计算材料工程领域,具体公开了一种多尺度集成的温度组分相图建模方法,以第一性原理为基础计算材料各物相在有限温度下的热力学数据,将计算的热力学数据作为CALPHAD热力学公式的输入数据,构建CALPHAD热力学模型。本发明还公开了一种多尺度集成的温度组分相图建模装置。本发明以第一性原理热力学数据为相图建模的数据来源,解决实验热力学数据匮乏的问题。采用贝叶斯采样、马尔可夫链蒙特卡罗方法实现多参数的自动优化,提出了开发自主可控相图建模软件的核心算法,加快实现相图建模软件的国产替代,可在低成本、短研发周期的前提下实现规模化、流程化、自动化地构建可靠度高的热力学数据库,辅助新材料成分设计、优化工艺参数、添加元素对相稳定性的影响等。

    含缺陷金属材料的新型动力学蒙特卡洛建模方法

    公开(公告)号:CN114528698A

    公开(公告)日:2022-05-24

    申请号:CN202210086362.1

    申请日:2022-01-25

    Abstract: 本发明提供了一种含缺陷金属材料的新型动力学蒙特卡洛建模方法,涉及微观动力学技术领域,该方法包括:获取含缺陷金属材料面向动力学蒙特卡洛模拟的微观动力学事件的演化行为模型;其中,微观动力学事件包括缺陷结合/解离事件、缺陷发射/吸收事件和缺陷扩散事件中的任意一个或多个事件;基于高效物理建模算法获取动力学演化行为模型中的目标参数,建立目标参数的高效物理模型;其中,高效物理模型为反映目标参数随缺陷信息的高概率变化规律的近似模型,缺陷信息包括缺陷类型和缺陷尺寸。本发明能够降低动力学演化行为分析复杂度,提升了对于含缺陷金属材料的动力学演化行为的建模效率及分析效率。

    一种含间隙原子的无序固溶材料原子结构建模方法

    公开(公告)号:CN110008531A

    公开(公告)日:2019-07-12

    申请号:CN201910198335.1

    申请日:2019-03-15

    Abstract: 本发明涉及一种含间隙原子的无序固溶材料原子结构的建模方法,其特征在于:具体步骤如下:步骤S1:建立一个只包含基体原子的无序固溶材料原子结构模型,建模方法选择SQS方法或者SAE方法;步骤S2:确定晶体结构中的间隙位坐标及Wyckoff位置;步骤S3:对间隙位进行分类;步骤S4:将间隙原子添加到基体原子结构模型中,完成含间隙的原子结构建模。本发明的建模方法计算量小,计算速度快,自动化程度高,尤其对于低固溶度含间隙原子无序固溶材料的建模可靠性高。

    金属液相物态方程的快速计算方法及电子设备

    公开(公告)号:CN118113969A

    公开(公告)日:2024-05-31

    申请号:CN202311834302.4

    申请日:2023-12-28

    Abstract: 本发明提供了金属液相物态方程的快速计算方法及电子设备;其中,该方法包括:基于金属的固体结构和固相Helmholtz自由能建立熔化方程,所建立的熔化方程考虑金属固体结构的不同以及不同的Grüneisen系数理论模型对高压熔化线的影响,提高了熔化线预估的置信度;此外,对目标方程进行自洽场迭代求解,得到作为待定量的液相冷能函数;在自洽场迭代求解中,采用多步混合方案实现液相冷能函数的修正,相比于现有技术中采用单步方案,加速了自洽场迭代收敛;以及,采用特定的冷能物态方程模型对该修正进行拟合得到新的液相冷能函数,避免了液相冷能函数在自洽场迭代中出现非物理行为,从而提高了金属液相物态方程的计算精度和效率。

    基于异构多核处理器的多层神经网络计算方法及装置

    公开(公告)号:CN115526302A

    公开(公告)日:2022-12-27

    申请号:CN202210999968.4

    申请日:2022-08-19

    Abstract: 本发明提供了一种基于异构多核处理器的多层神经网络计算方法及装置,涉及神经网络技术领域,该方法包括:将各从核的内存划分为计算区域和存储区域,获取神经网络参数,将神经网络参数分布式存储至各从核的存储区域中;控制从核从主内存中读取输入数据,并将输入数据存储至计算区域中;控制从核基于存储区域中存储的神经网络参数及输入数据在计算区域中进行神经网络计算,并将计算得到的输出数据存入主内存中。本发明通过将神经网络参数分布式存储至从核中,无需在每层神经网络计算时与主内存进行数据交互,大大减少了从核与主内存的数据交互次数,减少了从核与主内存的数据交互时间,节约了计算时间,提升了计算效率。

Patent Agency Ranking