Multi-objective optimization of corrosion resistance, strength, ductility properties of weathering steel utilizing interpretable attention-based deep learning model
Rattachement africain : jp, cn. Niveau de preuve : code pays fourni par la source.
Le résumé fourni par la source
A high-performance, low-cost weathering steel was developed using a deep learning-based interpretable Attention mechanism, which identifies key compositional factors and captures complex feature interactions. By revealing the intrinsic drivers of strength, ductility, and corrosion resistance, and introducing a utility function to balance performance and cost, the newly designed steel achieved a UTS of 837 MPa, 20% elongation, and a corrosion rate of 0.54 g/(m2·h) after 576 hours in a simulated marine environment, demonstrating excellent overall properties.
Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- Multi-objective optimization of corrosion resistance, strength, ductility properties of weathering steel utilizing interpretable attention-based deep learning model
- Date Crossref
- 06/08/2025
- Éditeur
- Springer Science and Business Media LLC
- Type
- journal-article
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Où se fait cette recherche
-
Kyushu University pays non établi dans la noticeUniversité ou école supérieure
-
University of Science and Technology Beijing Institute for Advanced Materials and Technology pays non établi dans la noticeUniversité ou école supérieure
-
Institute of Science Tokyo Department of Computer Science pays non établi dans la noticeUniversité ou école supérieure
-
Southeast University pays non établi dans la noticeUniversité ou école supérieure
-
Graduate School of Engineering pays non établi dans la noticeUniversité ou école supérieure
-
School of Computer Science and Engineering pays non établi dans la noticeUniversité ou école supérieure
Kyushu University, Institute for Advanced Materials and Technology — University of Science and Technology Beijing et Department of Computer Science — Institute of Science Tokyo, avec 3 autres affiliations.
Une affiliation ne permet pas de déduire la nationalité d’un auteur.