Enhancing refractory high entropy alloy phase classification via hybrid interpretable symbolic regression machine learning approach
0Citations signalées, ce qui n’est pas une note de qualité
3Institutions déclarées
2Pays d’affiliation déclarés
Rattachement africain : cn, hk. 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
- Enhancing refractory high entropy alloy phase classification via hybrid interpretable symbolic regression machine learning approach
- Date Crossref
- 01/09/2026
- 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
-
Harbin Institute of Technology pays non établi dans la noticeUniversité ou école supérieure
-
City University of Hong Kong pays non établi dans la noticeUniversité ou école supérieure
-
Harbin Engineering University pays non établi dans la noticeUniversité ou école supérieure
-
National Key Laboratory of Science and Technology on Advanced Composites in Special Environments pays non établi dans la noticeStructure de recherche
-
College of Engineering pays non établi dans la noticeUniversité ou école supérieure
-
College of Materials Science and Chemical Engineering pays non établi dans la noticeUniversité ou école supérieure
Harbin Institute of Technology, City University of Hong Kong et Harbin Engineering University, avec 3 autres affiliations.
Une affiliation ne permet pas de déduire la nationalité d’un auteur.
Les sujets associés
High Entropy Alloys StudiesMachine Learning in Materials ScienceHigh Temperature Alloys and Creep