Machine Learning Applied to Composite Materials
Ez a könyv bemutatja a gépi tanuláson (ML) alapuló előrejelző modellek megközelítését a kompozit anyagok tervezésében, hogy elérjék az egyes alkalmazásokhoz szükséges tulajdonságokat.
Az ML képes tanulni a meglévő, nagyon korlátozott számú kísérletből származó kísérleti adatokból, és ezt követően képes betanítani a komplex, nem lineáris, többdimenziós funkcionális összefüggések megoldásainak megtalálására anélkül, hogy előzetes feltételezésekkel rendelkezne azok természetéről. Ebben az esetben az ML modellek tanulhatnak a meglévő kísérleti adatokból, amelyeket (1) a mátrixanyag és a töltőanyagok/erősítőanyagok különböző tulajdonságai alapján történő kompozittervezésből (2) a gyártás során történő anyagfeldolgozásból (3) a tulajdonsági kapcsolatokból nyertek.
Ezen összefüggések ML-módszerekkel történő modellezése jelentősen csökkenti az új kompozitok tervezésével járó kísérleti munkát, és ezért új utat kínál az anyagtervezés és a tulajdonságok terén. A könyv az anyagkompozitok modellezése és tervezése iránt érdeklődő hallgatóknak, egyetemi oktatóknak és kutatóknak szól.
