.png){kind=icon}
返回
Machine learning approaches for intentional materials engineering
.png){kind=icon}
PRE
AI
DOI：10.1557/s43577-025-00908-9.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
通过脱合金工艺开发纳米多孔金属和金属复合材料为材料工程带来了显著机遇。然而，设计多组分前驱体合金并建立能够获得可预测成分和纳米结构的对应加工方法仍是一项复杂挑战。本文探讨了机器学习（ML）增强的计算和实验方法如何通过预测前驱体合金成分、最终纳米多孔结构及力学性能来应对这些挑战，同时整合了基于ML的自主实验以进行材料设计和量化。我们重点介绍了将ML应用于通过脱合金工艺设计纳米结构材料的最新进展，并讨论了如何借鉴其他纳米材料设计的技术以改进对纳米多孔和纳米复合材料形貌及成分结果的控制。此外，我们探讨了ML在自主同步辐射X射线实验中的作用，实现了建模与实验设置之间的实时反馈。本文还考察了ML驱动的方法在微观结构表征和力学性能预测中的应用，重点在于建模和先进成像技术，如三维纳米断层扫描。最后，本文概述了ML增强材料科学的未来方向，强调了对高维参数空间的探索以及将材料动力学整合到加工和性能评估中，最终推动纳米多孔结构的设计和材料科学的发展。
Keyword:
Artificial intelligence
Autonomous
Hierarchical
Machine learning
Morphology
Nanostructure
Porosity
X-ray tomography
期刊
IF:
4.9
论文数:
5.3K
被引数:
9.5K
机构
引用论文
Machine Learning for Electrocatalyst and Photocatalyst Design and Discovery用于电催化剂和光催化剂设计和发现的机器学习
PREAI
分享收藏Formation of three-dimensional bicontinuous structures via molten salt dealloying studied in real-time by in situ synchrotron X-ray nano-tomography通过原位同步加速器x射线纳米断层扫描实时研究的熔盐脱合金形成三维双连续结构.png)
NATURE COMMUNICATIONS
OAAI
NATURE COMMUNICATIONSIF15.7
OAAI分享收藏Constitutive modeling of plastic deformation behavior of open-cell foam structures using neural networks使用神经网络对开孔泡沫结构的塑性变形行为进行本构建模
PREAI
分享收藏
查看更多内容