Ph3pyWF: An automated workflow software package for ceramic lattice thermal conductivity calculation
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This paper introduces Ph3pyWF, a Python software package we designed to facilitate high-throughput analysis of lattice thermal conductivity in ceramic materials. The user interface caters to individuals with varying expertise, accommodating both novices and experts in the field. For beginners, only the initial structure file is required as input, as the software automatically populates other necessary parameters. Advanced users can customize numerous procedure parameters to suit their specific research needs. At its core, Ph3pyWF aims to establish an efficient data exchange and task management system. This paper elucidates the design details of the software package and presents several examples of its application to oxide ceramics , showcasing its general applicability and practicality in the analysis of lattice thermal conductivity . Program Summary Program title: Ph3pyWF CPC Library link to program files: https://doi.org/10.17632/487gf74mgh.1 Developer's repository link: https://github.com/MatFrontier/ph3pywf Licensing provisions: MIT Programming language: Python 3 External routines/libraries: Phonopy, Phono3py, Atomate, FireWorks, pymatgen Nature of problem: The calculation of lattice thermal conductivity using the first-principles method necessitates a multitude of interdependent subprocesses . Manually executing and managing such a collection of subprocesses proves to be inefficient and prone to errors. Solution method: Employing scientific workflow framework to automate the lattice thermal conductivity calculation process. Providing a near-turnkey solution with simpler management interface to users.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle