融合多保真度以可解释深度学习模型预测纳米压痕尖端半径
材料科学
2022-07-04 v1
摘要
随着对微型化结构与功能材料需求的增长，对精确材料表征的需求也随之扩大。纳米压痕是一种可测量材料力学行为的常用方法，其支持高通量实验，且在某些情况下可通过扫描提供压痕区域图像。压痕与扫描均会引起尖端磨损，从而影响测量。因此，需精确表征尖端半径以改进数据评估。本文引入一种数据融合方法，利用有限元模拟与实验数据，通过可解释的多保真度深度学习方法以有意义的方式原位估算尖端半径。通过对机器学习模型的可解释性分析，表明这些方法能准确捕捉物理压痕现象。
引用
@article{arxiv.2207.00243,
title = {Bridging Fidelities to Predict Nanoindentation Tip Radii Using Interpretable Deep Learning Models},
author = {Claus O. W. Trost and Stanislav Zak and Sebastian Schaffer and Christian Saringer and Lukas Exl and Megan J. Cordill},
journal= {arXiv preprint arXiv:2207.00243},
year = {2022}
}
备注
11 pages, 8 figures, for used codes and updated figure 5 see https://github.com/materialsguy/Predict_Nanoindentation_Tip_Wear