15、机器学习在材料科学与物理系统方程实时复制中的应用

机器学习在材料科学与物理系统方程实时复制中的应用

1. 机器学习在材料科学中的应用

在材料科学领域，机器学习正发挥着越来越重要的作用。以锻造工具的磨损预测系统为例，利用人工神经网络开发的系统，能够对锻造模具的耐久性进行分析和预测，同时识别关键区域和破坏机制。

这个系统不仅是宝贵科学知识的来源，更是锻造行业工艺工程师和技术人员的实用工具。在工艺建模中，材料数据库经常被使用。为了在生产过程中做出决策和预测未来，所使用的知识不仅包括数据，更重要的是工艺技能。早期的研究表明，利用机器学习也可以自动获取关于工艺的知识。

为了充分发挥人工智能应用方法的潜力，以规则、模型或模式形式获取的知识应该被保存、保留或编码。为了使保留的知识对人类更易理解，对机器更易处理，需要对其进行恰当的描述。

部分研究工作涉及知识形式化的方法。通过机器学习模型和语义技术（本体论）进行知识发现和推理的过程，将知识形式化并编码到语义知识库中。以热机械合金加工多尺度模型的本体描述为例，语义模型或本体能够通过检查输入变量的完整性来验证多尺度模型。这种描述也是工程师和程序员之间进行明确沟通的工具。

开发了一个系统，该系统能够基于本体对与金属加工技术相关的文档库中的文本文档进行自动编目和实质性搜索。这个解决方案通过从文档中生成可重用计算机工件的获取和编码技术，实现了冶金和金属加工领域语义知识库的创建。其方法包括使用TF - iDF算法确定单词的判别能力、使用隐藏LSI语义索引对文档进行分组、创建同义词组，以及通过将类分配给主题组与本体进行集成。

以下是该系统中运行的人工神经网络的简化列表：
| 神经网络类型 | 具体类型 |
| — | — |