机器学习在金属材料服役性能预测中的应用

摘要：

在材料基因工程的背景下,数据驱动的机器学习技术推动着材料研究进入了新的范式.机器学习能够充分利用已有的实验数据,在不明晰机制原理的情况下实现对材料服役性能的准确预测,极大地减少了实验所需的时间与成本.本文以机器学习预测金属材料的典型服役性能为主题,总结并分析了四种预测金属材料服役性能的常用机器学习模型.以疲劳、蠕变、腐蚀这三种常见的服役性能为代表,介绍了机器学习在这三个性能方面的研究情况,并列举了几个具体的案例进行简要分析.最后,总结了机器学习预测金属材料服役性能的特点,分析了当下机器学习预测金属材料服役性能存在的一些科学问题,并对其发展前景进行了讨论和展望.

关键词：机器学习、数据驱动、服役性能、材料数据

所属期刊栏目：46

分类号：TG142.71(金属学与热处理)

资助基金：国家自然科学基金52122408

在线出版日期：2023-12-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共17页

页码：120-136