首页 > 材料科学

多保真数据增强:破解小样本困境、助力双目标设计

计算材料学 2025-11-11 09:00
文章摘要
本文针对钴基高温合金中γ′相特征参数的双目标优化设计问题展开研究。背景方面,传统实验方法存在周期长、成本高且难以系统揭示多元素协同效应的局限。研究目的旨在通过融合可解释机器学习与多保真数据增强策略,构建双目标优化框架以克服小样本数据困境。具体采用马尔可夫链蒙特卡洛采样和生成对抗网络生成中保真模拟数据,结合SMOGN算法进行低保真数据扩充,利用XGBoost算法建立预测模型并通过SHAP分析实现可解释性。结论表明,该方法成功筛选出最优合金成分Co-30Ni-10Al-3Ti-4Ta-5Cr-2Mo-1V,在1000°C下兼具低粗化速率常数和高γ′相体积分数,为下一代高温合金设计提供了新范式。
多保真数据增强:破解小样本困境、助力双目标设计
本站注明稿件来源为其他媒体的文/图等稿件均为转载稿,本站转载出于非商业性的教育和科研之目的,并不意味着赞同其观点或证实其内容的真实性。如转载稿涉及版权等问题,请作者速来电或来函联系。
Book学术官方微信
Book学术文献互助
Book学术文献互助群
群 号:604180095
Book学术
文献互助 智能选刊 最新文献 互助须知 联系我们:info@booksci.cn
Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。
Copyright © 2023 Book学术 All rights reserved.
ghs 京公网安备 11010802042870号 京ICP备2023020795号-1