机构名称：
¥ 2.0
摘要：随着人工智能技术的快速发展和增加的材料数据，机器学习和人工智能辅助设计高性能钢材的设计正成为材料科学的主流范式。基于计算机科学，统计学和材料科学之间的跨学科学科的机器学习方法擅长发现许多数据点之间的相关性。与材料科学中传统的物理建模方法相比，机器学习的主要优点是它克服了材料本身的复杂物理机制，并为新型材料的研究和开发提供了新的视角。本综述始于数据预处理和引入不同的机器学习模型，包括算法主张和模型评估。然后，根据优化组成，结构，处理和性能的主题，对在钢铁研究领域中应用机器学习方法的一些成功案例进行了审查。还审查了机器学习方法在材料组成的面向性能的逆设计和钢缺陷检测中的应用。最后，总结了材料领域中机器学习的适用性和局限性，并讨论了未来的方向和前景。
and artificial intelligence-assisted material design of steels
主要关键词
相关文件推荐
