γ'相

物理引导机器学习逆向设计钴基高温合金：高斯过程回归精度R²达0.932

9月23日提交arXiv的研究提出物理信息机器学习框架逆向设计钴基高温合金，以原子尺寸失配等四个物理描述符预测γ'相固溶温度，高斯过程回归留一交叉验证R²=0.932、RMSE=34.7°C，并兼顾合金密度进行多目标优化。

B910化工 9月25日 07:23 14