Ultrahigh Specific Strength by Bayesian Optimization of Carbon Nanolattices (Adv. Mater. 14/2025)
Rattachement africain : ca, kr, de, us. Niveau de preuve : code pays fourni par la source.
Le résumé fourni par la source
Bayesian Optimization of Carbon Nanolattices Machine Learning designs new nanolattice geometries with the strength of carbon steel, but the density of Styrofoam, offering record strength-to-weight of lightweight materials. By implementing multi-objective Bayesian optimization in combination with two-photon polymerization and pyrolysis, these ultrahigh specific strength carbon nanolattices more than double the performance of benchmark materials. More details can be found in article number 2410651 by Peter Serles, Tobin Filleter, Seunghwa Ryu, and co-workers.
Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- Ultrahigh Specific Strength by Bayesian Optimization of Carbon Nanolattices (Adv. Mater. 14/2025)
- Date Crossref
- 01/04/2025
- Éditeur
- Wiley
- Type
- journal-article
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Où se fait cette recherche
-
University of Toronto Department of Mechanical & pays non établi dans la noticeUniversité ou école supérieure
-
Korea Advanced Institute of Science and Technology pays non établi dans la noticeUniversité ou école supérieure
-
Karlsruhe Institute of Technology pays non établi dans la noticeUniversité ou école supérieure
-
Massachusetts Institute of Technology pays non établi dans la noticeUniversité ou école supérieure
-
Rice University Materials Science & pays non établi dans la noticeUniversité ou école supérieure
Department of Mechanical & — University of Toronto, Korea Advanced Institute of Science and Technology et Karlsruhe Institute of Technology, avec 2 autres affiliations.
Une affiliation ne permet pas de déduire la nationalité d’un auteur.