AI dan Masalah-Masalah Sulit Dunia · Kimia & material · arXiv · 2026-10-20
Mitigasi Efek Ukuran Indentasi pada Baja yang Efisien Data Menggunakan Pembelajaran Mesin dan Jaringan Saraf Berkendala Fisika
Judul asli: Data-Efficient Indentation Size Effect Mitigation in Steels Using Machine Learning and a Physics-Constrained Neural Network
Nanoindentasi dangkal melebih-lebihkan kekerasan karena efek ukuran indentasi, yang menjadi masalah bagi lapisan tipis dan volume kecil. Para penulis melatih tujuh model pada indentasi dari tiga baja untuk memprediksi kekerasan acuan beban tinggi dari satu indentasi dangkal. Pada baja yang belum pernah dilihat, regresi ridge dan jaringan saraf berkendala fisika mencapai MAPE 3,7–4,8%, sedangkan Random Forest dan XGBoost paling buruk dalam transfer, masing-masing 10,2% dan 8,5%.