用于预测激光织构金属合金表面润湿性的机器学习模型
机器学习
2026-01-21 v1 材料科学
摘要
表面润湿性由形貌和化学性质共同决定，在传热、润滑、微流体和表面涂层等应用中发挥着关键作用。在本研究中，我们提出了一个机器学习 (ML) 框架，能够利用实验导出的形貌和化学特征准确预测激光织构金属合金的润湿性。通过纳秒激光织构 followed by 化学浸渍处理，在 AA6061 和 AISI 4130 合金上制备了超亲水和超疏水表面。使用 Laws 纹理能量法和轮廓术对表面形貌进行量化，同时通过 X 射线光电子能谱 (XPS) 对表面化学性质进行表征，提取了官能团极性、分子体积和峰面积分数等特征。这些特征被用于训练一个包含残差连接、批归一化和丢弃正则化的集成神经网络模型。该模型实现了高预测准确率（R2 = 0.942，RMSE = 13.896），优于以往的方法。特征重要性分析表明，表面化学对接触角预测的影响最大，形貌特征也做出了显著贡献。这项工作展示了人工智能通过捕捉表面特性的复杂相互作用来建模和预测润湿行为的潜力，为设计定制功能表面提供了一条数据驱动的途径。
引用
@article{arxiv.2601.11661,
title = {Machine learning model for predicting surface wettability in laser-textured metal alloys},
author = {Mohammad Mohammadzadeh Sanandaji and Danial Ebrahimzadeh and Mohammad Ikram Haider and Yaser Mike Banad and Aleksandar Poleksic and Hongtao Ding},
journal= {arXiv preprint arXiv:2601.11661},
year = {2026}
}
备注
This manuscript has 9 figures and contains 16 pages two column. submitted to journal of laser applications. Under review