机构名称：
¥ 1.0
近年来，在过程结构 - 培训链的背景下，人们对加速材料创新的兴趣越来越大。在这方面，必须考虑制造过程和量身定制材料设计方法，以支持下游过程设计方法。作为迈向这个方向的主要一步，我们提出了一种整体且通用的优化方法，该方法涵盖了材料工程中整个过程结构属性链。我们的方法专门采用机器学习来解决两个关键的识别问题：材料设计问题，其中涉及确定近乎最佳的材料微观结构，这些微观结构表现出所需的特性，以及一个过程设计问题，这些问题旨在确定制造这些微观结构的最佳处理路径。这两个识别问题通常都是不适合的，这对解决方案方法提出了重大挑战。但是，这些问题的非唯一性质是处理的重要优势：通过具有相似性能的几个目标微观结构，可以有效地指导过程来制造最佳的可触及微观结构。在模拟金属形成过程中具有所需特性的制造晶体纹理中，该方法的功能得到了证明。
结构引导材料和过程设计的机器学习
主要关键词
相关文件推荐
