公开(公告)号：CN113032909B

公开(公告)日：2023-09-05

申请号：CN202110368791.3

申请日：2021-04-06

Applicant: 东北大学

Inventor： 王晨充 ,  张朕 ,  任达 ,  魏晓蓼 ,  黄健 ,  徐伟 ,  刘尚瑀

IPC: G06F30/15 ,  G06F30/17 ,  G06F30/27 ,  G06F119/14 ,  G06F119/22

Abstract: 本发明提供一种分子动力学指导的机器学习的激光制孔结果预测方法，涉及激光制孔和机器学习应用技术领域。本发明应用分子动力学微观物理模型指导的支持向量回归(SVR‑MD)建立起飞秒激光制孔工艺参数与目标性能之间的关系，形成了完整的飞秒激光制孔效率及质量的预测平台。通过将与目标性能高度相关的微观物理参量添加数据集中，参与模型训练及设计过程，使机器学习过程富有物理意义，相比于单纯的机器学习模型，分子动力学指导下的机器学习预测精度更高，成功构建了飞秒激光在金属镍靶材上冲击制孔效率及质量的预测模型。

公开(公告)号：CN113032909A

公开(公告)日：2021-06-25

申请号：CN202110368791.3

申请日：2021-04-06

Applicant: 东北大学

Inventor： 王晨充 ,  张朕 ,  任达 ,  魏晓蓼 ,  黄健 ,  徐伟 ,  刘尚瑀

IPC: G06F30/15 ,  G06F30/17 ,  G06F30/27 ,  G06F119/14 ,  G06F119/22

Abstract: 本发明提供一种分子动力学指导的机器学习的激光制孔结果预测方法，涉及激光制孔和机器学习应用技术领域。本发明应用分子动力学微观物理模型指导的支持向量回归(SVR‑MD)建立起飞秒激光制孔工艺参数与目标性能之间的关系，形成了完整的飞秒激光制孔效率及质量的预测平台。通过将与目标性能高度相关的微观物理参量添加数据集中，参与模型训练及设计过程，使机器学习过程富有物理意义，相比于单纯的机器学习模型，分子动力学指导下的机器学习预测精度更高，成功构建了飞秒激光在金属镍靶材上冲击制孔效率及质量的预测模型。