Predicting Intergranular Corrosion Penetration Depth in Accelerated Testing using Machine Learning
Dit artikel presenteert een probabilistisch machine learning-framework dat getraind is op 128 experimentele resultaten om de diepte van intergranulaire corrosiepenetratie in Al 6000-serie legeringen nauwkeurig te voorspellen op basis van hun samenstelling en fabricageparameters, waarbij de effectiviteit van het model is gevalideerd door succesvolle voorspellingen op zes ongeziene legeringen.