AI এবং বিশ্বের কঠিন সমস্যাগুলো · রসায়ন ও উপকরণ · arXiv · 2026-10-20

মেশিন লার্নিং ও পদার্থবিজ্ঞান-সীমাবদ্ধ নিউরাল নেটওয়ার্ক ব্যবহার করে ইস্পাতে ডেটা-সাশ্রয়ী ইনডেন্টেশন সাইজ ইফেক্ট প্রশমন

মূল শিরোনাম: Data-Efficient Indentation Size Effect Mitigation in Steels Using Machine Learning and a Physics-Constrained Neural Network

ইন্ডেন্টেশন সাইজ ইফেক্টের কারণে অগভীর ন্যানোইন্ডেন্টেশন কঠিনতাকে বেশি দেখায়, যা পাতলা স্তর ও ক্ষুদ্র আয়তনের জন্য সমস্যা। লেখকেরা তিনটি ইস্পাতের ইন্ডেন্টেশনের উপর সাতটি মডেল প্রশিক্ষণ দিয়েছেন, যাতে একটি অগভীর ইন্ডেন্টেশন থেকে উচ্চ-লোডের রেফারেন্স কঠিনতা পূর্বাভাস করা যায়। অদেখা একটি ইস্পাতে রিজ রিগ্রেশন ও ফিজিক্স-সীমাবদ্ধ নিউরাল নেটওয়ার্ক 3.7–4.8% MAPE অর্জন করেছে, আর Random Forest ও XGBoost সবচেয়ে খারাপভাবে স্থানান্তরিত হয়েছে, যথাক্রমে 10.2% ও 8.5%।

মূল লেখা পড়ুন ↗

সব আইটেম →