预测 FCC 合金位错塑性与应力-应变响应的不确定性感知机器学习框架
材料科学
2025-06-27 v1 机器学习
摘要
机器学习显著推进了对结构材料的理解与应用，且日益强调在预测建模中整合现有数据与量化不确定性。本研究提出了一种综合方法，利用在文献中大量实验数据上训练的混合密度网络（MDN）模型。该方法独特地预测作为隐变量推断的位错密度分布，以及由此产生的晶粒级应力分布。将这些预测分布的统计参数纳入位错介导塑性模型，能够实现具有显式不确定性量化的精确应力-应变预测。该策略不仅提高了力学性能预测的准确性与可靠性，还在优化合金设计中发挥关键作用，从而促进快速发展的工业中新材料的开发。
引用
@article{arxiv.2506.20839,
title = {Uncertainty-Aware Machine-Learning Framework for Predicting Dislocation Plasticity and Stress-Strain Response in FCC Alloys},
author = {Jing Luo and Yejun Gu and Yanfei Wang and Xiaolong Ma and Jaafar. A El-Awady},
journal= {arXiv preprint arXiv:2506.20839},
year = {2025}
}