Physics-Informed Machine Learning for Dual-Target Optimization of Hardness and Tensile Strength in Multi-Element Aluminum Alloys
Cette étude introduit un système de conception par apprentissage automatique informé par la physique (PI-MLDS) qui intègre une contrainte empirique de type Tabor afin d'optimiser simultanément la dureté Brinell et la résistance à la traction de alliages d'aluminium multi-élémentaires, identifiant avec succès une composition supérieure à base de 7075 qui surpasse la référence AA 7075-T6.