淬火無序現象,是人們對各種材料(如FCC和BCC晶體、無定形固體)和地震地質斷層突發塑性事件或材料爆裂噪聲事件進行觀察而得到認識的。爆裂噪聲可由隨機-場模型或界面定位模型加以解釋,涉及均勻固體的彈性、局域淬火無序,以及微觀狀態空間允許的不均勻和隨機分布。
然而局域淬火無序卻一直難以測量。美國西弗吉尼亞大學的Stefanos Papanikolaou教授采用無監督機器學習方法并結合聚類算法,以期從具有爆裂噪聲隨時間演化行為的應力-應變曲線中獲得淬火、局域的無序分布。該方法在兩種爆裂噪聲模型中能成功實現數據的聚類和分類,并從鎳微柱單軸壓縮實驗的數據中成功得到了淬火無序的分布。
這是典型的時間局域可觀察參量(如突發事件大小/持續時間)途徑所無法企及的。作者將這一方法記作時間序列-機器學習法。若將這些淬火無序分布的識別及分類擴展到不同材料、加載模式和樣品加載歷史中,將有助于建立隨機屈服分布的數據庫,進而改進多尺度力學模型。
-
機器學習
+關注
關注
66文章
8499瀏覽量
134331
原文標題:npj :機器學習——預測材料淬火無序分布
文章出處:【微信號:zhishexueshuquan,微信公眾號:知社學術圈】歡迎添加關注!文章轉載請注明出處。
發布評論請先 登錄
如何選擇云原生機器學習平臺
ASR和機器學習的關系
什么是機器學習?通過機器學習方法能解決哪些問題?

輪盤激光淬火修復的步驟及優點

具身智能與機器學習的關系
【「時間序列與機器學習」閱讀體驗】時間序列的信息提取
【《時間序列與機器學習》閱讀體驗】+ 時間序列的信息提取
【「時間序列與機器學習」閱讀體驗】+ 鳥瞰這本書
【「時間序列與機器學習」閱讀體驗】+ 簡單建議
【《時間序列與機器學習》閱讀體驗】+ 了解時間序列
【「時間序列與機器學習」閱讀體驗】全書概覽與時間序列概述
激光淬火技術在淬火發動機零部件的工藝應用
激光淬火技術在硬化缸筒的工藝應用
激光淬火技術在淬火軋輥的工藝應用

評論