华东理工大学机器学习用于预测MXene基复合材料的机械性能

本研究背景聚焦于二维过渡金属碳化物（MXene）与纳米纤维素复合气凝胶的压缩力学性能，因其对结构参数敏感且实验研究受限，难以高效优化性能。研究目的是通过机器学习方法预测MXene基复合材料的力学性能，利用人工神经网络、支持向量机和随机森林等算法训练模型，基于34组Ti3C2 MXene数据进行分析。结论表明，人工神经网络能有效拟合非线性特征，Ti3C2相对含量是影响压缩模量的关键因素，通过模型优化实现了最大压缩模量29 kPa的预测，为复合材料力学性能预测提供了新指导。