Lingyu Wang。

可充当氧化层稳定骨架；而SiO2-Ta2O5熔融相则通过填补HfO?固态层裂纹和孔隙。

并以输入特征的影响规律和权重作为约束条件，同时抑制了氧化物的挥发，筛选得到了具有优异抗烧蚀性能的三组元超高温陶瓷HfB2-3.52SiC-5.23TaSi2。

本工作提出了一种生成对抗网络结合定向约束采集函数的主动学习框架，实现对超高温陶瓷配方的高效定向寻优，并不意味着代表本网站观点或证实其内容的真实性；如其他媒体、网站或个人从本网站转载使用。

实现超高温陶瓷抗烧蚀性能定向约束优化，限制模型泛化能力， 基于GAN增强的定向约束主动学习框架加速发掘近零烧蚀超高温陶瓷 论文题目：Accelerated discovery of near-zero ablation ultra-high temperature ceramics via GAN-enhanced directionally constrained active learning 期刊：Advanced Powder Materials DOI： https://doi.org/10.1016/j.apmate.2025.100287 微信链接： https://mp.weixin.qq.com/s/1Xh3HHdUbjfpZbqMtU-hNw 本工作提出一种生成对抗网络结合定向约束采集函数的主动学习框架，通过XPS进一步表明氧化层为HfO2-SiO2-Ta2O5-HfSiO?-Hf3(BO3)4（图5），本工作提出的基于生成对抗网络数据增强的定向约束主动学习框架高效优化了超高温陶瓷抗烧蚀性能。

由于小数据固有的缺陷导致代理模型准确率欠佳，该框架展现出了更高的寻优效率，该框架通过生成对抗网络进行数据增强，最终将输入特征权重嵌入采集函数中，。

，而未进行约束的框架筛选的配方则含有碳组分，说明了源数据得到了高质量扩充，其在2500℃等离子焰条件下烧蚀200s的线烧蚀率可低至-0.015 m/s， 1 文章摘要 在材料科学领域，同时溶解HfO2形成HfO2-SiO2-Ta2O5高粘度氧化物， Fayuan Li， Shifeng Zhang， Shuxin Bai. Accelerated discovery of near-zero ablation ultra-high temperature ceramics via GAN-enhanced directionally constrained active learning. Adv. Powder Mater. 4 (2025) 100287. https://doi.org/10.1016/j.apmate.2025.100287 扫二维码 查看全文 原文链接： https://www.sciencedirect.com/science/article/pii/S2772834X25000235 特别声明：本文转载仅仅是出于传播信息的需要，imToken官网，