预估-校正逆向设计方案用于非晶合金性能-成分预测（英文）
作者机构：湘潭大学机械工程与力学学院 湘潭大学土木工程学院
出 版 物：《Transactions of Nonferrous Metals Society of China》 (中国有色金属学报(英文版))
年 卷 期：2025年第1期
页 面：169-183页
核心收录：
学科分类：08[工学] 080502[工学-材料学] 0805[工学-材料科学与工程（可授工学、理学学位）]
基 金：supported by the National Natural Science Foundation of China (No. 52471184) the Science and Technology Major Project of Hunan Province, China (No. 2019GK1012) the Postgraduate Scientific Research Innovation Project of Xiangtan University, China (No. XDCX2023Y174), and the Postgraduate Scientific Research Innovation Project of Xiangtan University, China (No. XDCX2023Y173)
主 题：非晶合金 机器学习 深度神经网络 逆向设计 弹性模量
摘 要：为了开发一种通用框架，使其能够设计出具有所需目标性能的新型非晶合金，提出了一种由预测模块和校正模块组成的预估-校正逆向设计方案（PCIDS）。为实现这两个部分，开发了基于深度神经网络的高精度正向预测模型。最重要的是，还开发了领域知识引导的逆向设计网络（DKIDNs）和常规逆向设计网络（RIDNs）。在测试集上，正向预测模型关于剪切模量和体积模量的决定系数（R2）分别为0.990和0.986。此外，与RIDNs模型相比，DKIDNs模型表现出更优越的预测性能。最终，证明PCIDS可以高效预测出所需目标性能的非晶合金成分。
同方期刊数据库
