基于机器学习的多孔材料力学性能预测研究进展

何明洋1, 傅广1,2, 靳尚坤2, 赵淼3, 倪婷婷2, 彭庆国2, 莫太骞2, 张正文2(1.贵州大学　现代制造技术教育部重点实验室；2.贵州大学　机械工程学院；3.电子科技大学　机械与电气工程学院)

摘要：多孔材料因其广泛的应用潜力而备受关注。传统上对多孔材料力学性能的研究主要依赖于耗时且繁琐的实验和理论分析方法。近年来，机器学习技术提供了一种高效的解决方案，用以简化多孔材料参数与力学性能之间的复杂关系。本文综述了机器学习在预测多孔材料力学性能方面的最新研究进展。首先，介绍了常用的机器学习算法，重点分析了神经网络预测方法在这一领域的应用，并将此方法归纳为三大策略：机制模型驱动神经网络、机制模型与神经网络集成和神经网络与优化技术集成，然后对上述策略的基本原理及其应用进行了详细分析。最后，讨论了如何通过改进神经网络技术及其与优化算法的集成来发展更加高效的混合模型，并展望了神经网络在该领域的发展前景。

关键词：多孔材料；机器学习；力学性能；数据驱动；混合模型