研究人员开发了一个贝叶斯最优实验设计框架，以改进依赖历史的本构模型的学习，这对于理解材料行为至关重要。这种新方法旨在通过减少参数不确定性来最大化实验数据的效用，从而获得更可靠的参数估计。该框架包含了高斯期望信息增益和费舍尔信息矩阵代理的近似，使其适用于复杂的材料测试场景。数值研究表明，与随机设计相比，优化后的实验设计显著提高了参数的可辨识度，尤其是在与粘弹性固体记忆效应相关的参数方面。 AI
影响 为材料科学中的实验设计引入了一个新颖的框架，有望提高学习复杂材料行为的效率和可靠性。
排序理由 这是一篇详细介绍材料科学中实验设计新框架的研究论文。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
