.png){kind=icon}
返回
Linking three-dimensional microstructure and nanoindentation hardness using machine learning
.png){kind=icon}
OA
AI
DOI：10.1038/s43246-026-01259-x.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
理解微观结构与力学性能之间的关系对于先进材料的发展至关重要。与传统的二维（2D）表征不同，三维（3D）技术通过揭示体相形态、空间分布和界面连接性，能够提供更全面的了解。本研究提出了一种将3D可视化与纳米压痕相结合的工作流程，以建立微观结构-力学性能的相关性。研究了两种V-Si-B合金。采用自动连续切片技术重建3D微观结构进行定量分析。开发了一个基于机器学习（ML）模型，该模型使用实验纳米压痕数据训练，用于从微观结构图像中预测局部硬度并生成3D硬度分布图。通过关联3D微观结构特征与空间分辨硬度，该方法揭示了相形态和空间排列如何控制材料的整体性能。这种基于ML的方法提供了一种数据驱动的途径来关联微观结构与力学性能，支持材料设计和基于模拟的研究。与传统的2D表征不同，3D技术通过揭示体相形态、空间分布和界面连接性，能够更全面地了解微观结构。本研究提出了一种将3D可视化与纳米压痕相结合的工作流程，以建立V-Si-B合金的微观结构与力学性能的相关性。
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
