IA e os Problemas Difíceis do Mundo · Química e materiais · arXiv · 2026-10-20
Mitigação do Efeito de Tamanho de Indentação em Aços com Eficiência de Dados Usando Aprendizado de Máquina e uma Rede Neural com Restrições Físicas
Título original: Data-Efficient Indentation Size Effect Mitigation in Steels Using Machine Learning and a Physics-Constrained Neural Network
A nanoindentação rasa superestima a dureza por causa do efeito de tamanho da indentação, o que é um problema para camadas finas e pequenos volumes. Os autores treinaram sete modelos com indentações de três aços para prever uma dureza de referência de alta carga a partir de uma única indentação rasa. Em um aço não visto, a regressão ridge e as redes neurais com restrições físicas alcançaram 3,7–4,8% de MAPE, enquanto Random Forest e XGBoost foram os que pior transferiram, com 10,2% e 8,5%.