Core Concepts
LatticeML은 고온 그래프 기반 구조화 재료의 유효 영 계수를 예측하는 데이터 기반 애플리케이션이다.
Abstract
이 연구는 LatticeML이라는 데이터 기반 애플리케이션을 개발하여 고온 그래프 기반 구조화 재료의 유효 영 계수를 예측하는 것을 목표로 한다. 11개의 그래프 기반 격자 구조와 두 가지 고온 합금(Ti-6Al-4V, Inconel 625)을 고려했다. 유한 요소 시뮬레이션을 통해 2x2x2 단위 셀 구성의 유효 영 계수를 계산했다. 데이터 수집, 전처리, 회귀 모델 구현, 최고 성능 모델 배포 등의 단계로 구성된 기계 학습 프레임워크를 개발했다. 5가지 지도 학습 알고리즘을 평가했으며, XGBoost 회귀기가 가장 높은 정확도(MSE = 2.7993, MAE = 1.1521, R-squared = 0.9875)를 달성했다. Streamlit 프레임워크를 사용하여 사용자 입력 재료 및 기하학적 매개변수를 받아 예측된 영 계수 값을 출력하는 대화형 웹 인터페이스를 구현했다.
Stats
단순 입방체 격자 구조의 경우 상대 밀도가 0.1일 때 유효 영 계수는 0.0869701 GPa이고, 상대 밀도가 0.5일 때 유효 영 계수는 3.05216 GPa이다.
팔면체 격자 구조의 경우 상대 밀도가 0.1일 때 유효 영 계수는 0.16683 GPa이고, 상대 밀도가 0.5일 때 유효 영 계수는 7.04384 GPa이다.
삼각형 벌집 구조의 경우 상대 밀도가 0.1일 때 유효 영 계수는 17.9893 GPa이고, 상대 밀도가 0.5일 때 유효 영 계수는 53.1677 GPa이다.
Quotes
"LatticeML은 고온 그래프 기반 구조화 재료의 유효 영 계수를 예측하는 데이터 기반 애플리케이션이다."
"XGBoost 회귀기가 가장 높은 정확도(MSE = 2.7993, MAE = 1.1521, R-squared = 0.9875)를 달성했다."
"Streamlit 프레임워크를 사용하여 사용자 입력 재료 및 기하학적 매개변수를 받아 예측된 영 계수 값을 출력하는 대화형 웹 인터페이스를 구현했다."