Literature-derived critical resolved shear stress database for titanium alloys: Comparative prediction using semi-physical regression, XGBoost and Gaussian process regression
1Citations signalées, ce qui n’est pas une note de qualité
5Institutions déclarées
3Pays d’affiliation déclarés
Rattachement africain : cn, fr, us. Niveau de preuve : code pays fourni par la source.
Résumé indisponible. Les résultats de l’étude ne doivent pas être déduits de son seul titre.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- Literature-derived critical resolved shear stress database for titanium alloys: Comparative prediction using semi-physical regression, XGBoost and Gaussian process regression
- Date Crossref
- 01/08/2026
- Éditeur
- Elsevier BV
- 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
-
Nanchang University Jiangxi Province Key Laboratory of Light Alloy pays non établi dans la noticeUniversité ou école supérieure
-
Laboratoire d'Étude des Microstructures et de Mécanique des Matériaux pays non établi dans la noticeStructure de recherche
-
Laboratoire d'Étude des Microstructures pays non établi dans la noticeStructure de recherche
-
Université de Lorraine Laboratoire d’Étude des Microstructures et de Mécanique des Matériaux (LEM3) pays non établi dans la noticeUniversité ou école supérieure
-
University of Nebraska–Lincoln pays non établi dans la noticeUniversité ou école supérieure
-
University of Nebraska-Lincoln Mechanical and Materials Engineering pays non établi dans la noticeUniversité ou école supérieure
Jiangxi Province Key Laboratory of Light Alloy — Nanchang University, Laboratoire d'Étude des Microstructures et de Mécanique des Matériaux et Laboratoire d'Étude des Microstructures, avec 3 autres affiliations.
Une affiliation ne permet pas de déduire la nationalité d’un auteur.
Les sujets associés
Machine Learning in Materials ScienceTitanium Alloys Microstructure and PropertiesMetallurgy and Material Forming