Physics-Informed and Surrogate-Assisted Cost Optimization of Fire Protection Materials
Deze studie introduceert een nieuw natuurkundig geïnformeerd hybride optimalisatiekader dat eindige differentie warmteoverdrachtsimulaties, een CatBoost surrogaatkostenmodel en een genetisch algoritme integreert om automatisch een kostenefficiënte configuratie van passieve brandwerende materialen te ontdekken die voldoet aan de R180-veiligheidsnormen tegen aanzienlijk lagere kosten dan traditionele commerciële alternatieven.