领域知识辅助的软磁金属玻璃性能预测机器学习方法
材料科学
2022-03-22 v1 其他凝聚态物理
计算物理
摘要
提出了一种由领域知识辅助的机器学习（ML）方法，用于预测软磁金属玻璃（MGs）的饱和磁化强度（Bs）和临界直径（Dmax）。基于已发表的软磁金属玻璃实验工作建立了两个数据集。提出了一种通用特征空间，并证明其对不同预测任务的ML模型训练具有适应性。研究发现，ML模型的预测性能优于传统的基于物理知识的估计方法。此外，领域知识辅助的特征选择可在不显著降低预测精度的前提下大幅减少特征数量。最后，研究了软磁金属玻璃临界尺寸的二分类问题。
引用
@article{arxiv.2203.10951,
title = {Domain-knowledge-aided machine learning method for properties prediction of soft magnetic metallic glasses},
author = {Xin Li and Guang-cun Shan and Hong-bin Zhao and Chan-Hung Shek},
journal= {arXiv preprint arXiv:2203.10951},
year = {2022}
}
备注
6 figures, 23 pages