机器学习和人工智能辅助钢铁材料设计的研究进展 |
| |
作者姓名: | 潘广飞 王飞扬 商春磊 吴宏辉 吴桂林 高军恒 汪水泽 高智君 周笑靥 毛新平 |
| |
作者单位: | 1)北京科技大学材料基因组工程北京市高精尖创新中心, 北京 100083, 中国 |
| |
摘 要: | 随着人工智能技术的快速发展和材料数据的显著增加,机器学习和人工智能辅助设计高性能钢材正成为材料科学的主流范式。机器学习方法是一种基于计算机科学、统计学及材料科学之间的跨学科科学,聚焦于发现众多数据之间的相关性。与材料科学中传统的物理建模方法相比,机器学习方法的主要优势在于克服了材料本身复杂的物理机制,为新型高性能材料的研发提供了新的思路。本文从数据预处理和机器学习模型的介绍开始,包括算法选择和模型评估。然后,以优化成分、结构、工艺和性能为主题,回顾了机器学习方法在钢铁研究领域应用的一些典型案例。此外,还介绍了机器学习方法在以性能为导向的材料成分逆向设计工程以及在钢材缺陷检测领域中的应用。最后,探讨了机器学习在材料领域的适用性和局限性,并对未来的发展方向和前景进行了展望。
|
关 键 词: | 机器学习 数据驱动设计 研究新范式 高性能钢铁材料 |
|
| 点击此处可从《矿物冶金与材料学报》浏览原始摘要信息 |
|
点击此处可从《矿物冶金与材料学报》下载免费的PDF全文 |