通过炼金石深度机器学习对钢的行为和性能进行建模

OCAS是一家领先的钢铁研究中心,是佛兰德地区政府与阿电师之间的合资企业。在此案例研究中,OCAS使用了炼金石深度学习以建模不同钢的行为。

即使是钢铁性能或加工和原材料成本的微小改善也会带来巨大的经济利益。欧洲杯足球竞彩OCAS还不断寻求减少实现这些结果所需的时间耗时且昂贵的物理实验和分析。

该项目旨在利用微观结构成像信息来探索钢的所谓“ PSP三角形”(代表加工结构 - 培养物)。关键目的是了解是否钢微结构,可以通过机器学习来利用大量信息。

该项目应用了炼金板深度学习软件1来自Intellegens。炼金石的特征是用于材料研发中的欧洲杯足球竞彩包括其从现实世界中生成机器学习模型的能力,稀疏,嘈杂的实验数据以及量化与预测相关的不确定性的准确性。

Alchemite™在OCAS钢数据集上进行了培训,该数据集由23种独特的处理,四种材料化学,9个处理变量和微结构图像数据进行培训。微观结构图像是编码炼金板的结合深度学习和主要成分分析。

该项目研究了机器学习模型以及如何使用图像,过程和属性数据的不同组合训练模型会改变结果。它还旨在更深入地了解图像放大对预测准确性的影响,并了解预测对数据集的不同部分的敏感性。

炼金板最终被用来优化实验处理参数,以在模型评估后最好地满足钢的特定属性需求。

显微镜(左)和OCAS的滚动过程(右)。

图1。显微镜(左)和OCAS的滚动过程(右)。图片来源:Intellegens Limited

来自项目的微观结构图像。

图2。来自项目的微观结构图像。图片来源:Intellegens Limited

结果

  • 在财产预测中,炼金石可以用很高的准确性建立模型(r2值> 0.8)。通过包括微结构图像数据,可以提高准确性。
  • 当在一个特定放大倍率上使用微结构图像作为输入时,模型精度是最好的。这可能会使将来测试中捕获的图像范围减少,从而节省时间和成本。它还表明,在此放大倍率下解决的特征是最重要的。
  • 在某些情况下,有可能在不显着影响模型准确性的情况下删除多达30%的图像数据。这表明并非每个样本都需要成像 - 同样,这可能会降低成本。
  • 该项目在不同情况下对包括处理和微观结构数据的重要性的理解得以开发。
  • 为了了解哪些特定输入对于预测性能最有用,“可解释的AI”工具很有帮助。图3显示了一个示例,一个灵敏度图。
  • 通过炼金石设计了一组处理参数以实现钢的目标特性

全球灵敏度图 -  Alchemite™中的“可解释的AI”工具。该图可评估每个变量对目标属性的总体影响。

图3。全球灵敏度图 - Alchemite™中的“可解释的AI”工具。该图可评估每个变量对目标属性的总体影响。图片来源:Intellegens Limited

概括

OCAS项目团队评估了该项目的好处:

  • 炼金板深度学习可以从微观结构图像中提取隐藏的信息。
  • 具有良好预测能力的模型由炼金石提供,从处理或微观结构到属性。
  • 当得到分析功能(例如重要性图表和灵敏度图)的支持,并通过对预测提供可靠的不确定性估计,该模型就会变得越来越不像“黑匣子”。
  • 为了从实际数据集中提取有用的信息,应对稀疏和嘈杂数据的能力至关重要。

该项目已验证了对真实世界钢的深度学习方法的使用,并为我们提供了帮助我们改善钢制性能并更有效地将宝贵的实验资源集中到的见解。我们发现特征的重要性和灵敏度图是非常有价值的指南。”

OCAS首席科学官Lode Duprez。

关于OCAS和Intellegens

OCAS NV是Finocas的研究中心,是全球钢铁领导者Arcelormittal与佛兰德地区之间的合资企业。OCAS共同开发钢铁应用,开发合金和涂料,并生产和测试样品,为全球金属加工公司提供钢和金属服务,产品和解决方案。

OCAS拥有150多名研究人员和工程师,并在其Zelzate和Zwijnaarde(比利时)的实验室内配备了最先进的设施和研发工具。Intellegens提供了独特的深度学习软件,Alchemite™。该组织的重点是简化机器学习在化学,材料,制造业以及其他地区加速创新的应用。欧洲杯足球竞彩

当呈现现实世界,稀疏,嘈杂的数据时,Alchemite™可以训练机器学习模型。起源于剑桥大学之后,Method Development正在Intellegens进行。该方法已在工业研发中成功地部署,并在添加剂制造,超合金,配方产品,化学过程,药物发现和电池中的过程改进中进行了改进。

参考

  1. “ Alchemite™深度学习 - 解决现实世界数据的复杂问题”,Intellegens白皮书(2021)

此信息已从Intellegens Limited提供的材料中采购,审查和改编。欧洲杯足球竞彩

有关此消息来源的更多信息,请访问Intellegens Limited。

引用

请使用以下格式之一在您的论文,论文或报告中引用本文:

  • APA

    Intellegens Limited。(2022年10月20日)。通过炼金石深度机器学习对钢的行为和性能进行建模。azom。于2023年2月3日从//www.wireless-io.com/article.aspx?articleId=22019检索。

  • MLA

    Intellegens Limited。“通过炼金石深度机器学习对钢铁行为和性能进行建模”。azom。2023年2月3日。

  • 芝加哥

    Intellegens Limited。“通过炼金石深度机器学习对钢铁行为和性能进行建模”。azom。//www.wireless-io.com/article.aspx?articleId=22019。(2023年2月3日访问)。

  • 哈佛大学

    Intellegens Limited。2022。通过炼金石深度机器学习对钢的行为和性能进行建模。Azom,2023年2月3日,//www.wireless-io.com/article.aspx?articleId=22019。

告诉我们你的想法

您是否有评论,更新或您想添加到本文中的任何内容?

留下您的反馈
您的评论类型
提交