纳米压痕数据的无监督学习以推断复杂材料的微观结构细节
机器学习
2023-09-14 v1 材料科学
摘要
本研究中，通过纳米压痕研究了 Cu-Cr 复合材料。在样品的大面积上布置压痕阵列，得到由数百个在不同压痕深度下的杨氏模量与硬度测量值组成的数据集。采用无监督学习技术高斯混合模型对数据进行分析，这有助于确定“力学相”的数量及各自的力学性质。此外，引入交叉验证方法以推断数据量是否充足，并建议可靠预测所需的数据量——这是材料科学问题机器学习中常见却难以解决的问题之一。
引用
@article{arxiv.2309.06613,
title = {Unsupervised Learning of Nanoindentation Data to Infer Microstructural Details of Complex Materials},
author = {Chen Zhang and Clémence Bos and Stefan Sandfeld and Ruth Schwaiger},
journal= {arXiv preprint arXiv:2309.06613},
year = {2023}
}