Data-Driven Prediction and Classification of Multi-Component Alloys Using Interpretable Machine Learning
यह अध्ययन 2,672 बहु-घटक मिश्र धातु प्रणालियों पर रैंडम फॉरेस्ट रिग्रेसर और लॉजिस्टिक रिग्रेशन क्लासिफायर का उपयोग करके एक व्याख्या योग्य मशीन लर्निंग फ्रेमवर्क प्रस्तुत करता है, जो वैनेडियम, आयरन, टंगस्टन और कार्बन को प्रमुख संरचनात्मक चालकों के रूप में पहचानते हुए यांत्रिक और तापीय गुणों की सटीक भविष्यवाणी करता है, जिससे स्केलेबल और डेटा-संचालित सामग्री खोज सक्षम होती है।