马欣新与牛俊博团队以解决这一问题为出发点,应用卷积神经网络(CNN)与高通量热力学计算,开发了一种新的识别与量化机制,成功识别并定量分析了渗氮过程中的脉状组织。 创新技术融合:高通量计算与深度学习 该团队的研究首先聚焦于CNN在扫描电子显微镜(SEM)图像中对脉状组织的识别,通过高效的算法实现了对这种复杂结构的有...
而在这背后,诸如渗氮这样的表面强化技术,历经岁月沉淀,依然在持续焕发出新的生机。渗氮,让钢材表面强韧如初,但同时也带来棘手的脉状组织(VLS),它们沿着微观的晶界生长,仿佛无形中埋下的疲劳之源,潜藏着对钢材寿命的影响。 2024年,诺贝尔物理学奖将深度学习的创新带到了前沿,这不仅是对新技术的认可,也让传统工艺迎来...
而在这背后,诸如渗氮这样的表面强化技术,历经岁月沉淀,依然在持续焕发出新的生机。渗氮,让钢材表面强韧如初,但同时也带来棘手的脉状组织(VLS),它们沿着微观的晶界生长,仿佛无形中埋下的疲劳之源,潜藏着对钢材寿命的影响。 2024年,诺贝尔物理学奖将深度学习的创新带到了前沿,这不仅是对新技术的认可,也让传统工艺迎来...
马欣新（1981.9-1985.7），哈尔滨工业大学材料科学系主任，金属材料及工艺系，金属材料及热处理专业，本科。研究方向 （1）薄膜材料研究：纳米薄膜、多层膜、薄膜性能研究 （2）等离子体基离子注入：装置及工艺研制 （3）离子镀技术：磁控溅射离子镀、空心阴极离子镀、多弧离子镀技术 （4）等离子体化学热处理 （5...