江苏科技大学廖名情JMI研究论文|基于可解释机器学习的高强高导铜合金强度-电导率帕累托前沿的探索

本文研究背景为高强高导铜合金在工业中的重要性及其强度与电导率之间的权衡关系，传统合金设计方法存在周期长、成本高等问题。研究目的是通过集成机器学习、特征工程和优化算法的数据驱动框架，实现铜合金性能预测与成分逆向设计，以加速新合金开发。研究结论表明，所构建的指数核高斯过程回归模型在预测精度和泛化能力上表现优异，结合SHAP分析增强了模型可解释性，并利用多目标灰狼优化算法探索了帕累托前沿，成功设计了同时满足高强度和高电导率要求的候选成分，为高性能铜合金开发提供了新方案。