利用机器学习和物理约束神经网络在钢材中实现数据高效的压痕尺寸效应缓解

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

由于压痕尺寸效应,浅层纳米压痕会高估硬度,这对薄层和小体积材料是个问题。作者在三种钢的压痕数据上训练了七个模型,以便根据单次浅层压痕预测高载荷参考硬度。在一种未见过的钢上,岭回归和物理约束神经网络的MAPE达到3.7–4.8%,而随机森林和XGBoost的迁移效果最差,分别为10.2%和8.5%。