Recherche
Deep-learning-based quasi-phase retrieval for synchrotron tomography of fatigue cracks
L’essentiel
- Une équipe de recherche a publié dans la revue Materials Characterization une méthode de récupération quasi-phase fondée sur l'apprentissage profond, appliquée à la tomographie synchrotron.
- L'objet de l'étude est l'imagerie tridimensionnelle des fissures de fatigue dans les matériaux.
- L'article est signalé par le Centre de rayonnement synchrotron, sur le site de SOLEIL, avec six auteurs dont P. Wang, X. Zhang, X. Wang, J. M. Létang, J. Y. Buffière et C. Xiao.
Pourquoi c’est important
Ces travaux visent à mieux observer les fissures de fatigue à l'intérieur des matériaux, ce qui intéresse la compréhension de leur rupture. Pour un lecteur non spécialiste, l'enjeu concret reste limité au domaine de la caractérisation des matériaux.
Qui est concerné
- spécialistes de la caractérisation des matériaux
- chercheurs en tomographie synchrotron
- #synchrotron
- #tomographie
- #fatigue des matériaux
- #apprentissage profond
- #caractérisation
Deep-learning-based quasi-phase retrieval for synchrotron tomography of fatigue cracks Référence P. Wang, X. Zhang, X. Wang, J. M. Létang, J. Y. Buffière, C. Xiao "Deep-learning-based quasi-phase retrieval for synchrotron tomography of fatigue cracks". Materials Characterization…