研究人员开发了一个名为ROSE-HEA的新型样本高效框架,用于预测高熵合金(HEAs)的强度。该方法利用面向结果的鲁棒顺序学习来指导实验数据的选择,旨在减少获取拉伸试验数据的昂贵且耗时的过程。在回顾性评估中,ROSE-HEA的性能优于传统的贝叶斯优化技术和其他回归器,在更少的训练观察下实现了更低的均方根误差和更高的R^2值。 AI
影响 这种面向结果的顺序学习方法可以显著降低实验成本,并加速材料科学的发现。
排序理由 详细介绍新机器学习方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- Ahmed Shoyeb Raihan
- Bayesian optimization
- Gaussian process
- high-entropy alloy
- University of California, Berkeley
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →