Physics-Informed Machine Learning for Dual-Target Optimization of Hardness and Tensile Strength in Multi-Element Aluminum Alloys
Deze studie introduceert een physics-informed machine learning design system (PI-MLDS) dat een empirische Tabor-type beperking integreert om simultaan de Brinell-hardheid en de treksterkte te optimaliseren in meer-elementen aluminiumlegeringen, waarbij succesvol een superieure op 7075 gebaseerde samenstelling is geïdentificeerd die de AA 7075-T6 baseline overtreft.