Core Concepts
이 연구는 Co-Cr-Fe-Mn-Ni 시스템의 첨단 제조 다원계 합금의 항복강도를 예측하기 위한 실험적으로 검증된 기계학습 접근법을 제안한다.
Abstract
이 연구는 첨단 제조 다원계 합금(MPEA)의 항복강도를 예측하기 위한 실험적으로 검증된 기계학습 접근법을 제안한다.
데이터셋을 수집하고 조성, 인쇄 매개변수, 시험 조건을 입력 특성으로 사용하여 RF, GBoost, XGBoost 등의 앙상블 기반 기계학습 알고리즘을 최적화했다.
최고 성능의 RF 모델은 테스트 R²가 0.84, 테스트 RMSE가 61.0 MPa로 우수한 정확도를 달성했다.
두 개의 조성(Co33.3Cr33.3Ni33.3와 Co25Cr45Ni30)을 실제 제작하여 실험적으로 검증한 결과, 모델의 강건성과 외삽 능력을 확인했다.
기계학습 모델의 예측 성능은 미세구조 정보 기반 경험식 예측과 유사했지만, 인쇄 매개변수의 영향을 직접 보여줄 수 있다는 장점이 있다.
SHAP 분석을 통해 스캔 패턴 회전, 스캔 속도, 레이저 출력 등의 인쇄 매개변수가 항복강도에 중요한 영향을 미치는 것을 확인했다.
합금 조성 특성 중에서는 원자량 불일치, 평균 원자량, Peierls-Nabarro 계수가 중요한 것으로 나타났다.
Stats
스캔 속도가 증가할수록 항복강도가 증가한다.
레이저 출력이 증가할수록 항복강도가 감소한다.
스캔 패턴 회전 없음에 비해 67°와 90° 회전 시 항복강도가 더 높다.