典型文献
基于机器学习算法的核电结构材料性能预测
文献摘要：
核电作为我国能源的重要组成部分,显示出巨大的发展潜力.随着核电技术的不断提高、完善,各类核电结构材料层出不群,寻找性能优异的新型材料成为影响核电站安全性和经济性的重中之重.同时材料信息学的助力使得研究人员可以高效地得到大量试验与计算数据,基于以上数据通过机器学习算法即可预测材料的性能,为新材料的研发提供新的契机.对机器学习原理及方法进行了概述,基于核电合金结构材料数据库构建了适用于核电结构材料性能预测的机器学习系统,并对该系统进行流程介绍和具体示例演示.最后,结合对核电结构材料性能预测机器学习系统的研究,指出机器学习在材料领域存在的问题和未来研究方向,希望利用机器学习方法加速新材料的研发进程.
文献关键词：
机器学习;核电结构材料;材料性能预测
中图分类号：
作者姓名：
王卓;朱虹;许斌;颜达鹏;杜华;罗亮;崔予文
作者机构：
中南大学轻合金研究院,湖南长沙 410083;成都材智科技有限公司,四川成都 610041;中国核动力研究设计院核反应堆系统设计技术重点实验室,四川成都 610213;南京工业大学,江苏南京 210009
文献出处：
引用格式：
[1]王卓;朱虹;许斌;颜达鹏;杜华;罗亮;崔予文-.基于机器学习算法的核电结构材料性能预测)[J].上海金属,2022(03):102-110
A类：
B类：
基于机器学习,机器学习算法,核电结构材料,材料性能预测,国能,新型材料,核电站,算数,上数,数据通,学习原理,合金结,材料数据库,数据库构建,机器学习系统,示例,演示,预测机器,材料领域,未来研究方向,机器学习方法
AB值：
0.224282
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
