Physics-informed deep learning for virtual crystallographic phase and grain orientation reconstruction of additively manufactured alloys
0Citations signalées, ce qui n’est pas une note de qualité
2Institutions déclarées
2Pays d’affiliation déclarés
Rattachement africain : cn, au. Niveau de preuve : code pays fourni par la source.
Résumé indisponible. Les résultats de l’étude ne doivent pas être déduits de son seul titre.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- Physics-informed deep learning for virtual crystallographic phase and grain orientation reconstruction of additively manufactured alloys
- Date Crossref
- 10/08/2026
- Éditeur
- Springer Science and Business Media LLC
- Type
- posted-content
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
-
Tsinghua University pays non établi dans la noticeUniversité ou école supérieure
-
UNSW Sydney pays non établi dans la noticeUniversité ou école supérieure
Tsinghua University et UNSW Sydney.
Une affiliation ne permet pas de déduire la nationalité d’un auteur.
Les sujets associés
Additive Manufacturing Materials and ProcessesMachine Learning in Materials ScienceAluminum Alloy Microstructure Properties