面向瑕疵推理的智能体方法：激光粉末床融合中的图结构检索框架
机器学习
2026-04-07 v1
摘要
激光粉末床融合（LPBF）对工艺参数极其敏感，这些参数通过复杂的热力和流体机制影响瑕疵的形成。然而，与瑕疵相关的知识分散在文献中，限制了系统性理解。本研究提出了一种用于LPBF瑕疵推理的图结构辅助检索框架，以Ti6Al4V为案例研究。将科学出版物转化为结构化表示，并将参数、机制与瑕疵之间的关系编码到以证据为导向的知识图谱中。该框架集成了语义检索与图基检索，由轻量级智能体推理层支持，以构建可解释的瑕疵路径。评估显示检索准确率（0.9667）和召回率（0.9667）均很高，证明有效识别了相关瑕疵证据。该框架实现了将工艺参数与瑕疵链接的透明推理链。本工作为将非结构化文献转换为可查询且可解释的增材制造知识资源提供了可扩展方法。
引用
@article{arxiv.2604.04208,
title = {Towards Agentic Defect Reasoning: A Graph-Assisted Retrieval Framework for Laser Powder Bed Fusion},
author = {Muhammad Rizwan Awan and Volker Pickert and Muhammad Waqar Ashraf and Saleh Ali and Farshid Mahmouditabar and Shafiq Odhano},
journal= {arXiv preprint arXiv:2604.04208},
year = {2026}
}