AI और दुनिया की कठिन समस्याएँ · रसायन विज्ञान और पदार्थ · arXiv · 2026-10-20

मशीन लर्निंग और भौतिकी-बाधित न्यूरल नेटवर्क का उपयोग करके स्टील्स में डेटा-कुशल इंडेंटेशन साइज़ इफ़ेक्ट शमन

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

इंडेंटेशन आकार प्रभाव के कारण उथला नैनोइंडेंटेशन कठोरता को अधिक आँकता है, जो पतली परतों और छोटे आयतनों के लिए समस्या है। लेखकों ने एक ही उथले इंडेंटेशन से उच्च-भार संदर्भ कठोरता का पूर्वानुमान लगाने के लिए तीन स्टील के इंडेंटेशन पर सात मॉडल प्रशिक्षित किए। एक अनदेखे स्टील पर, रिज रिग्रेशन और भौतिकी-बाधित न्यूरल नेटवर्क ने 3.7–4.8% MAPE हासिल किया, जबकि Random Forest और XGBoost का स्थानांतरण सबसे खराब रहा, क्रमशः 10.2% और 8.5% पर।

मूल लेख पढ़ें ↗

सभी आइटम →