机器学习在铜-石墨烯复合材料力学性能中的应用
材料科学
2022-09-29 v1 数据分析、统计与概率
摘要
尽管铜-石墨烯(Cu/Gr)复合材料因其理论上的高强度和导电性而成为极具前景的材料,但其设计一直受到影响性能的众多变量的制约。我们应用四种不同的机器学习(ML)模型于手动收集的数据集,该数据集汇总了采用粉末冶金技术制备的石墨烯增强铜基复合材料的屈服强度和极限抗拉强度。我们的结果表明,ML模型能够以令人满意的精度预测Cu/Gr复合材料的力学性能。特征分析为影响这些性能的最重要因素提供了新的见解。
引用
@article{arxiv.2209.13949,
title = {Application of Machine Learning to Mechanical Properties of Copper Graphene Composites},
author = {Milan Rohatgi and Amir Kordijazi},
journal= {arXiv preprint arXiv:2209.13949},
year = {2022}
}
备注
12 pages, 6 figures, 5 tables