PulseAugur
中
实时 22:54:35
English(EN) Machine Learning Modeling for Real-Time Melt Pool Monitoring in Laser Powder Bed Fusion Additive Manufacturing: A Hybrid Approach

人工智能和量子计算增强增材制造监控

作者 PulseAugur 编辑部 · [2 个来源] ·

两篇新研究论文探讨了人工智能和量子计算在增材制造中的应用。第一篇论文详细介绍了一种混合方法，该方法使用机器学习，特别是EfficientNetB0和随机森林的组合，用于激光粉末床熔融（LPBF）中熔池的实时监测。该方法实现了高精度和高效率，优于纯深度学习模型。第二篇论文提出了一种混合量子-经典模型，该模型利用量子计算对LPBF熔池预测中的特征提取，通过利用量子纠缠和叠加，展示了超越经典方法的潜力。 AI

影响 这些混合方法展示了提高制造过程效率和准确性的潜力，为更强大的质量控制铺平了道路。

排序理由 两篇发表在arXiv上的学术论文，详细介绍了人工智能和量子计算在制造中的新颖应用。

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

人工智能和量子计算增强增材制造监控

报道来源 [2]

  1. arXiv cs.LG TIER_1 English(EN) · Inioluwa Emmanuel, Zhuo Yang, Ho Yeung, Xinyao Zhang ·

    Machine Learning Modeling for Real-Time Melt Pool Monitoring in Laser Powder Bed Fusion Additive Manufacturing: A Hybrid Approach

    arXiv:2606.23851v1 Announce Type: new Abstract: This work investigates the implementation of artificial intelligence and machine learning (AI/ML) for real-time monitoring in laser powder bed fusion (LPBF) additive manufacturing. We developed a binary image classification framewor…

  2. arXiv cs.LG TIER_1 English(EN) · Matthew M. Sato, Kincho H. Law ·

    A Hybrid Quantum-Classical Approach for Melt Pool Prediction in Laser Powder Bed Fusion

    arXiv:2606.23719v1 Announce Type: cross Abstract: Laser powder bed fusion (LPBF) is a promising additive manufacturing technique that suffers from quality assurance concerns. Predicting melt pools from process parameters is crucial for assessing quality prior to manufacturing but…

相关实体

相关话题