上海理工大学王皞教授课题组 ：机器学习辅助增材制造金属材料疲劳寿命预测的最新进展综述
随着机器学习领域的不断发展，新的算法和技术不断涌现。关注和研究这些新型机器学习算法在增材制造金属材料疲劳寿命预测中的应用潜力，如深度强化学习、图神经网络等，充分发挥其在处理复杂数据和挖掘深层次规律方面的优势，为解决增材制造金属材料疲劳性能预测中的难题提供新的思路和方法。”第一作者：王皞通讯作者：王皞，Aiju...
机器学习
基于缺陷特征与机器学习的增材制造钛合金高周疲劳寿命预测
作者：刘尧，高祥熙，朱思铫，何玉怀，许巍单位：中国航发北京航空材料研究院 近年来，增材制造技术不断提升，但增材制造件内部随机分布的缺陷仍难以完全避免。微小缺陷对疲劳性能的影响难以通过传统物理模型准确预测。随着缺陷特征复杂性和数据维度的增加，依赖于物理公式的模型预...
昆士兰科技大学利用机器学习改进熔融电写技术，将实验时间从几天或几周缩短到几小时
2024年11月21日，来自昆士兰科技大学 (QUT) 的生物医学工程师开发出一种新的自动化方法，可大幅推进熔融电写技术(MEW)的发展。熔融电写技术是一种用于组织工程和再生医学的新型高分辨率 3D 打印技术。相关研究成果以...