Огляд застосуваннь data-driven підходу для аналізу тепло-фізичних властивостей композитів

Abstract

У роботі наведено аналіз можливостей та перспектив data-driven підходу для дослідження тепло-фізичних властивостей композитних матеріалів. Проведено огляд основних концепцій та методів машинного навчання в матеріалознавстві, які виявляють потенціал для вивчення та оптимізації властивостей композитів. Обговорено використання нейронних мереж для прогнозування теплових характеристик. Порівняно data-driven підхід з традиційними методами аналізу, визначено їхні переваги та недоліки. Описано тепло-фізичні параметри композитів та сучасні методи їхнього вимірювання та прогнозування. Розглянуто застосування комп'ютерних технологій для моделювання тепло-фізичних властивостей композитів та їхніх процесів виготовлення. Результати дослідження можуть бути корисними для подальшого розвитку матеріалознавства та виробництва композитних матеріалів.

The paper presents an analysis of the possibilities and prospects of a data-driven approach for studying the thermo-physical properties of composite materials. The research aims to offer an overview of the potential and advantages of utilizing data-driven methodologies, particularly in comparison to traditional methods. Throughout the analysis, key concepts and advanced machine learning techniques commonly applied in materials science are examined, emphasizing their capacity to enhance the understanding, optimization, and overall quality of composite materials. The use of neural networks for predicting thermal characteristics is explored in depth, showcasing their predictive capabilities and potential for revolutionizing the study of thermal properties in composite materials. By offering new insights into composite production, the research contributes to the future development of both materials science and the industrial applications of composite materials.