基于物理描述符的机器学习预测高温合金微化学与蠕变强度
材料科学
2022-12-14 v1
摘要
我们提出一组与元素无关的描述符，用以通过高斯过程回归建模高温合金性能。此外，我们开发了一种校正方法，以对多相合金中的微化学给出最佳且最具物理意义的预测。模型在预测方面的性能已针对高温合金微化学、微观结构与强度性能得到验证。当测试数据中纳入新的、未见过的元素时，模型仍给出良好预测；此类向新化学空间的外推若使用基于组元描述符则不可能实现。
引用
@article{arxiv.2212.06755,
title = {Machine learning superalloy microchemistry and creep strength from physical descriptors},
author = {Patrick L Taylor and Gareth Conduit},
journal= {arXiv preprint arXiv:2212.06755},
year = {2022}
}