基于机器学习的微波吸收材料高效设计方法

摘要

军事和民用领域对吸波材料的需求与日俱增，利用机器学习(machine learning, ML)有助于加快设计具有多目标特性的吸波材料。开发了吸波材料设计方法(absorbing material design method, AMDM)。研究对象为羰基铁/铁粉吸波材料，利用5个球磨工艺参数作为特征变量，采用灰狼(grey wolf optimizer, GWO)算法和支持向量回归(support vector regression, SVR)算法，建立了磁导率实部和虚部积分的预测模型。经过模型预测，得到4个性能优于原始数据库的虚拟样本，并制备了4个样本进行实验验证。结果显示，磁导率实部积分预测误差绝对值最小为3.735%,最大为8.328%,磁导率虚部积分预测误差绝对值最小为1.124%,最大为4.423%。该研究为高效开发和设计复合吸波材料提供了有效途径。

关键词

各向异性 / 粒径 / 非线性回归 / 羰基铁 / 反射损耗