La IA y los problemas difíciles del mundo · Química y materiales · arXiv · 2026-10-20
Mitigación eficiente en datos del efecto de tamaño de indentación en aceros mediante aprendizaje automático y una red neuronal con restricciones físicas
Título original: Data-Efficient Indentation Size Effect Mitigation in Steels Using Machine Learning and a Physics-Constrained Neural Network
La nanoindentación superficial sobrestima la dureza debido al efecto del tamaño de la indentación, lo cual es un problema para capas delgadas y volúmenes pequeños. Los autores entrenaron siete modelos con indentaciones de tres aceros para predecir una dureza de referencia de alta carga a partir de una sola indentación superficial. En un acero no visto, la regresión ridge y las redes neuronales con restricciones físicas alcanzaron un MAPE de 3.7–4.8%, mientras que Random Forest y XGBoost se transfirieron peor, con 10.2% y 8.5%.