基石是关键：利用可解释机器学习探究二维颗粒料斗中的堵塞过程

颗粒材料的一个独特且特征性的现象是，在出口上方形成稳定拱桥而导致流动突然停止。先前的研究表明，出口附近的颗粒随机采样构型流动微状态，直到达到一个导致堵塞的流动微状态。然而，导致堵塞的因素仍然难以捉摸。在此，我们实验观察了准二维圆形颗粒三分散混合物的超过50,000次堵塞事件，并利用多种机器学习方法寻找堵塞微状态的预测性特征。这些方法的表现仅略优于随机猜测。尽管如此，我们使用线性支持向量机的分析强调了潜在拱桥基石的位置是堵塞可能性的关键因素。我们通过改变一个固定（基石）颗粒的位置来实验验证这一点，并表明这样的颗粒决定了可行的流动终止拱桥的尺寸，从而决定了每次流动的时间和质量。正确放置该颗粒甚至可以将喷射质量提高超过50%。我们的发现表明，即使可解释的机器学习算法（如支持向量机）的预测能力低于传统机器学习实践的标准，它们也能揭示有意义的物理机制。