面向智能增材制造的物理信息机器学习
机器学习
2024-07-16 v1 计算工程、金融与科学
摘要
与基于物理的计算制造相比，机器学习（ML）等数据驱动模型是实现智能制造的替代方法。然而，数据驱动ML的“黑箱”性质对其结果的解释提出了挑战。另一方面，控制物理定律并未被有效利用来开发数据高效的ML算法。为了利用ML和先进制造物理定律的优势，本文专注于通过集成神经网络和物理定律来开发一种物理信息机器学习（PIML）模型，以提高模型准确性、透明度和泛化能力，并以激光金属沉积（LMD）为例进行了案例研究。
引用
@article{arxiv.2407.10761,
title = {Physics-Informed Machine Learning for Smart Additive Manufacturing},
author = {Rahul Sharma and Maziar Raissi and Y. B. Guo},
journal= {arXiv preprint arXiv:2407.10761},
year = {2024}
}
备注
6 pages, 7 figures, 18th CIRP Conference on Intelligent Computation in Manufacturing Engineering