研究人员开发了一种机器学习模型，用于预测超弹性复合材料的有效属性。这种数据驱动的方法使用在微结构描述符（如形状和相关函数）上训练的神经网络，以绕过复杂的数值均质化过程。研究发现，虽然包含更详细的描述符（如直线路径函数）可以提高采样点的精度，但并不能保证这些点之间的物理一致行为，这表明未来的工作需要关注物理约束模型。 AI
影响 这项研究通过提供更快的代理模型来预测材料属性，有可能加速材料科学模拟。
排序理由 这是一篇详细介绍材料科学新颖机器学习方法的学术论文。[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 →