改性硅化物热防护涂层

耐高温氧化与热腐蚀

通过高通量实验和机器学习设计出的涂层配方,为多重热防护需求提供定制化解决方案。

Ye, Zhiyun · Ke, Li · 陈国良 · 邹永纯 · 王树奇 · 王昭 · Shuang, Yu · Wang, Yaming · 贾德昌 · Yu, Zhou

Corrosion Science 2024

技术优势

少走弯路

机器学习模型可根据成分预测性能,避免大量盲目实验,加速涂层配方筛选。

预测更准

XGBoost模型在四类数据集中预测偏差最小、R²最大、MSE最小,是四种模型中表现最好的。

应用场景