通过机器学习引导的模拟实现材料合成：一份立场论文
机器学习
2024-11-27 v2
摘要
在这份立场论文中，我们提出了一种在最优配合比设计以实现大理石污泥再利用领域中进行可持续数据收集的方法。大理石污泥是石材切割过程中产生的富含钙的残留物，可以通过与各种成分混合来重新利用。然而，由于污泥成分的变异性以及实验数据收集的高成本和耗时性，确定最优配合比设计具有挑战性。此外，我们研究了使用基于元学习的机器学习模型作为优化工具的可能性，以估计用于骨料中的石材切割污泥的正确用量，从而获得具有特定力学性能、可成功用于建筑行业的配合比设计。我们的方法具有两个关键优势：(i) 通过模拟，可以生成大型数据集，在数据收集阶段节省时间和金钱；(ii) 利用机器学习模型，通过元学习进行超参数优化以提升性能，来估计最优配合比设计，从而减少对大量手动实验的需求，降低成本，最小化环境影响，并加速采石场污泥的处理。我们的想法有望通过利用集体数据和先进的机器学习来简化大理石污泥的再利用过程，促进石材切割行业的可持续性和效率。
引用
@article{arxiv.2411.13953,
title = {Material synthesis through simulations guided by machine learning: a position paper},
author = {Usman Syed and Federico Cunico and Uzair Khan and Eros Radicchi and Francesco Setti and Adolfo Speghini and Paolo Marone and Filiberto Semenzin and Marco Cristani},
journal= {arXiv preprint arXiv:2411.13953},
year = {2024}
}