Transferable 3D Convolutional Neural Networks for Elastic Constants Prediction in Nanoporous Metals
Cette étude démontre que les réseaux de neurones convolutifs 3D transférables, et plus particulièrement l'architecture DenseNet-201, surpassent nettement les modèles traditionnels basés sur des descripteurs dans la prédiction des constantes élastiques des métaux nanoporeux, en atteignant une haute précision () et en permettant l'identification de conceptions optimales de Pareto grâce à l'apprentissage par transfert et à une évaluation stochastique à grande échelle.