Transferable 3D Convolutional Neural Networks for Elastic Constants Prediction in Nanoporous Metals
Deze studie toont aan dat overdraagbare 3D Convolutional Neural Networks, specifiek de DenseNet-201-architectuur, traditionele op beschrijvers gebaseerde modellen aanzienlijk overtreffen bij het voorspellen van de elastische constanten van nanoporeuze metalen, waarbij hoge nauwkeurigheid () wordt bereikt en de identificatie van Pareto-optimale ontwerpen mogelijk wordt gemaakt via transfer learning en grootschalige stochastische evaluatie.