狂野欧美性猛交xxxx,日韩福利视频网,久久av导航

中科院長春應化所 AM: 發明“機器學習增強試錯法” - 實現橡膠配方高效、極限優化，已應用于高技術裝備制造

2025-03-14 來源：高分子科技

在橡膠復合材料的性能優化領域，雖然傳統的試錯法有效，但存在效率低下的問題。最新的機器學習輔助方法也不適用于預測和優化橡膠復合材料的性能。這是因為這些性能依賴于加工條件，這導致從不同來源收集的數據無法對齊。在本研究中，提出了一種稱為“機器學習增強型試錯法”的新工作流程。該方法將正交實驗設計與符號回歸相結合，以提取經驗原理。這種結合使得優化過程保留了傳統試錯法的特點，同時顯著提高了效率和能力。以橡膠復合材料為模型體系，機器學習增強型試錯法有效提取了符號回歸所得數學公式中高頻項所蘊含的經驗原理，為材料性能優化提供了明確指導。本研究還開發了一個在線平臺，該平臺無需編寫代碼即可使用所提出的方法，旨在無縫集成到現有的實驗優化流程中。

橡膠復合材料是航空航天、高端裝備的關鍵材料，其耐極端環境性能依賴于多組分配方的精準調控。傳統試錯法研發周期長、成本高，嚴重制約后發國家的技術突破。盡管機器學習為材料設計提供了新思路，但橡膠加工中的非平衡態結構演變導致性能依賴于加工條件，因此難以構建規模化的數據庫。如何融合傳統經驗與數據智能，實現高效精準的材料設計，已成為該領域亟待突破的難題之一。

圖1. (A)傳統試錯法與(B)機器學習增強試錯法的工作流程對比

使用試錯法優化橡膠復合材料的配方需要經歷一個由實驗、觀察、分析和調整構成的迭代循環（圖1A）。在這個循環中，每次僅改變一個變量，這個變量可以是某一組分的含量，也可以是一個加工參數。盡管這種方法效率低下，但它能夠提煉出將性能與變量相關聯的經驗原理。為了提升試錯法的效率，中國科學院長春應用化學研究所研究團隊開發了一種名為“機器學習增強試錯法”的創新方法，這種方法通過將正交實驗設計與符號回歸算法相結合，將試錯法一次變一個變量改為一次變多個變量，利用符號回歸提取若干變量同時變化時性能與變量之間的數學關系（圖1B）。

圖2. 符號回歸算法提取的數學公式及其高頻項分析方案（以定伸應力為例）

在具體操作過程中，研究團隊采用空間中均勻分布的正交實驗設計構建小數據集，隨后利用符號回歸算法在數學表達式空間中進行搜索，構建配方與性能之間的可能數學表達式。通過對大量數學表達式的分析，團隊發現某些高頻出現的項（高頻項）在公式中起到了主導作用（見圖2）。通過對這些高頻項進行深入挖掘與分析，能夠有效提煉出潛藏其中的經驗規律�；诖耍麄兛梢杂嗅槍π缘貙ο鹉z配方進行精細調控，達成諸如提升強度、增強韌性、改善耐候性等多目標的協同優化，使橡膠復合材料更好地滿足不同應用場景的嚴苛需求。不僅如此，基于所習得的經驗規律，能夠跨越訓練集中數據所設下的邊界藩籬。通過對經驗的有效外推，從而進一步大幅提升材料的綜合性能（見圖3）。

圖3. 數學公式實現的多目標優化與經驗規律完成的外推取值

以聚異戊二烯橡膠復合材料為模型體系，實驗結果表明，該方法高效地完成了單目標優化和多目標平衡的任務。此外，該方法還展現出與傳統試錯法高度相似的優點：通過數學公式表達的配方性能關系，不僅具有穩定的外推能力，還展現出強大的誤差容忍能力；獲取的經驗規律則表現出卓越的跨體系遷移能力（見圖4）。

圖4. 獲取的經驗規律的跨體系遷移性與機器學習增強試錯法的誤差容忍能力

綜上所述，與傳統機器學習方案試圖取代試錯法不同，作者提出利用機器學習技術增強傳統試錯法的策略，在保留試錯法可提煉數據經驗規律的同時，極大的提升了優化效率。目前，該方法已應用于高技術領域，并有望拓展至其他適用于試錯法的領域。相關成果以“Machine-Learning-Enhanced Trial-and-Error for Efficient Optimization of Rubber Composites”為題發表在《Advanced materials》上。第一作者為中國科學院長春應用化學研究所的鄧偉博士，通訊作者為長春應化所楊小牛研究員和王大鵬研究員。

原文鏈接：https://advanced.onlinelibrary.wiley.com/doi/10.1002/adma.202407763

版權與免責聲明：中國聚合物網原創文章�？锘蛎襟w如需轉載，請聯系郵箱：info@polymer.cn，并請注明出處。

（責任編輯：xu）

【大中小】【打印】【關閉】

誠邀關注高分子科技

更多>>最新資訊

更多>>科教新聞

国产精品igao视频网网址不卡日韩,亚洲综合在线电影,亚洲婷婷丁香,黄色在线网站噜噜噜

誠邀關注高分子科技