您好！我是Ada，PowderSight智能助手。
💡 我可以帮您：
• 查询价格（如"镍价"）
• 搜索产品（如"搜索TC4"）
• 推荐材料（如"散热材料"）
• 介绍平台（如"会员对比"）
试试输入"帮助"查看更多功能！
德州农工大学通过物理信息K近邻实现LPBF跨合金致密度预测
德州农工大学团队提出PIKNN（物理信息K近邻），一种无需训练的少样本学习方法。通过构建包含激光功率、扫描速度、层厚、扫描间距、体能量密度、线能量密度及材料热扩散率的八维物理约束特征空间，在6种合金1579个样本上实现跨材料相对密度预测。在4种源合金（1244样本）训练下，PIKNN对未见过的Ti6Al4V（10-shot）准确率达58.0%，对CuCrZr（1-shot）准确率达52.0%，比有监督基线（原型网络、SVM）最高提升18.3%。消融实验证实能量密度等物理派生特征起关键作用，显式物理编码可捕捉数据驱动学习嵌入无法表达的跨材料可迁移结构。
原文链接：
查看原文