人工智能与先进材料应用专辑（第1期）

目录介绍

1、基于机器学习的卤化物双钙钛矿材料性能预测

2、高强、高导铝合金研发的机器学习策略

3、机器学习在二维材料探索中的应用

4、机器学习在金属材料服役性能预测中的应用

5、基于自然语言处理的材料领域知识图谱构建方法

6、金属板材塑性本构关系的深度学习预测方法及建模

7、机器学习在化学合成及表征中的应用

8、基于深度学习的多材料结构拓扑优化方法

9、基于深度学习钢中非金属夹杂物图像识别

10、基于第一性原理与机器学习的碳含量对钢铁材料抗氢性能影响

11、基于深度学习方法的N5/NiCrAlY 涂层图像识别的研究展望

12、基于强化学习的特征选择方法及材料学应用

13、基于BP人工神经网络喷射成形7055铝合金的本构模型

14、基于机器学习的立方钙钛矿形成能和磁性的预测

15、机器学习辅助钙钛矿薄膜制备工艺优化及特征重要性评估

16、基于增量学习树模型的带钢精轧宽度预测

17、基于人工神经网络与遗传算法的Al-Mg-Si系合金强度预测模型

18、人工智能作为泛在技术对智能冶金工业化的影响

19、基于机器学习的淬火钢板板形识别及自学习模型策略

20、机器学习在自然环境腐蚀评估与预测领域的应用现状

21、大语言模型时代的材料信息提取和数据驱动研发

22、机器学习在功能梯度材料设计-制备中的应用综述

23、塑性变形理论建模新范式:人工智能赋能和数据科学驱动

24、基于机器视觉的铝包钢母线表面缺陷检测系统的研发和应用