English(EN) Data-Driven Modeling of Molten Chloride Corrosion Using Static Test Data

机器学习以85%的准确率预测熔盐腐蚀

作者 PulseAugur 编辑部 · [1 个来源] · 2026-11-06 05:00

研究人员开发了一个机器学习框架，利用历史实验数据来预测熔盐腐蚀速率。该模型在291项文献报道的实验数据上进行训练，实现了0.85的交叉验证R^2值和0.41 mg cm^-2 day^-1的平均绝对误差（MAE）。引入了一个新颖的氯化物盐制备指数（CSPI）来量化盐条件，该指数被证明是模型中的主要描述符。该框架还提供了不确定性估计，并指出了改进数据报告和未来研究的领域。 AI

影响为预测恶劣环境下的材料退化提供了一种新方法，可能有助于设计更具韧性的工业应用材料。

排序理由一篇在arXiv上发表的学术论文，详细介绍了一个新的机器学习模型。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 18 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 一篇在arXiv上发表的学术论文，详细介绍了一个新的机器学习模型。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, other; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Md Mahmudul Hasan Pathik · 2026-11-06 05:00

利用静态测试数据进行熔融氯化物腐蚀的数据驱动建模

arXiv:2611.07125v1 Announce Type: new Abstract: Molten chloride corrosion has been studied for decades, yet reliable prediction across different alloys, salts, and test conditions remains difficult. In this work, 291 static molten chloride corrosion experiments reported in the li…

本文如何被排名

报道来源 [1]

利用静态测试数据进行熔融氯化物腐蚀的数据驱动建模

相关实体

相关话题