一篇新的研究论文探讨了物理信息和混合机器学习技术在改进增材制造工艺中的应用，特别是熔丝制造（FFF）。该研究由Berkcan Kapusuzoğlu撰写，详细介绍了三种将物理知识整合到深度神经网络（DNN）中的策略，以预测零件质量，如结合质量和孔隙率。这些方法包括将物理约束纳入DNN的损失函数，使用物理模型输出作为输入，以及在用实验数据进行微调之前，先用物理模型预训练DNN。研究表明，即使实验数据有限，结合这些策略也能产生准确的机器学习模型，确保物理上有意义的预测。 AI
影响 这项研究通过用更少的数据改进质量预测，可能带来更准确、更高效的增材制造工艺。
排序理由 该集群包含一篇详细介绍新研究方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
