資源庫 / 7月25日消息，美國能源部橡樹嶺國家實驗室公開了一組新的增材制造數(shù)據(jù)，供行業(yè)和研究人員評估和改進3D打印部件質(zhì)量。ORNL的綜合3D打印數(shù)據(jù)集可用于訓練機器學習模型，以改進組件的質(zhì)量評估。

訓練后的算法能夠可靠預測機械測試成功與否，并將零件極限抗拉強度預測錯誤率降低了61%。

資源庫 / 7月25日消息，美國能源部橡樹嶺國家實驗室公開了一組新的增材制造數(shù)據(jù)，供行業(yè)和研究人員評估和改進3D打印部件質(zhì)量。ORNL的綜合3D打印數(shù)據(jù)集可用于訓練機器學習模型，以改進組件的質(zhì)量評估。

訓練后的算法能夠可靠預測機械測試成功與否，并將零件極限抗拉強度預測錯誤率降低了61%。