عن المشروع

هذا المستودع هو materiale المرافق للمخطوطة المنشورة في Acta Materialia بعنوان "إعادة النظر في تقوية هول-بيتش في سبائك متعددة العناصر الرئيسية من الفئة FCC: ما يمكن لحجم الحبيبة، والتركيب، والمعالجة تفسيره وما لا يمكن" لم. مولوكوتلا، س. ب. بادهي، وآخرين. يحتوي على مجموعة البيانات الكاملة، خط أنابيف التحليل الكامل، كل جداول النتائج والأشكال المقدمة في الورقة، مصادر LaTeX، تقرير شامل تم إنجازه من النتائج الحية، واختبارات ترسية تثبت القيم المعيارية للمخطوطة. السؤال يمكن لنماذج التعلم الآلي التي تتوقع الخصائص أن تضلل تصميم السبائك عندما يُخطئ في اعتبار الاست interpolation كنقل، أو عندما يُقرأ descriptor محفز فيزيائيًا كآلية دون إظهار أنه يضيف معلومات تتجاوز المدخلات المقاسة. يعمل هذا المستودع على معالجة هذه المشكلة من النهاية إلى النهاية على قوة التمدد (YS) وصلادة فيكرز (HV) لـ 94 حالة سبائك FCC في نظام Al–Co–Cr–Cu–Fe–Mn–Ni–V. عائلات النماذج الخمس تم تنظيم التحليلات حسب خمس عائلات النماذج في المخطوطة. رقم عائلة أعلى يعني مرونة أكبر، وليس ولاءً فيزيائيًا أكبر. - العائلة 1: هول-بيتش الكلاسيكي (قوانين حجم الحبيبة الكلاسيكية والبديلة) - العائلة 2: descriptors فيزيائية (VLC، Labusch، Toda-Caraballo؛ Wen؛ PCA-OLS) - العائلة 3: التركيب والمعالجة (هرم نموذج M، بما في ذلك M15) - العائلة 4: تعلم آلي غير خطي (مُقدّرين خطيين وغير خطيين متطابقين) - العائلة 5: الانحدار الرمزي (PySR، SISSO، الأشكال المغلقة الثابتة) يتضمن بروتوكول التحقق صحة 5-fold، LOO، LOBO، اختبار الأدبيات، وفحص التفرد. النتائج الرئيسية جميع القيم هي Q² خارج الطية مجمعة، تُعاد حسابها في وقت الاختبار من `data/derived/data_with_vlc.csv`. الهدف | النموذج | 5-fold | LOO | LOBO YS | هول-بيتش الكلاسيكي للعائلة 1 | 0.405 | 0.406 | 0.373 YS | PCA-OLS للعائلة 2 (محتوي على الطية) | 0.462 | 0.480 | 0.362 YS | M3 للعائلة 3 (σ₀ يعتمد على التركيب) | 0.666 | 0.652 | 0.625 YS | **M15 للعائلة 3 (+ تفاعل SD_grain)** | **0.731** | **0.694** | **0.694** YS | Lasso S2 للعائلة 4 (الإعدادات الثابتة) | 0.683 | 0.674 | 0.621 YS | LightGBM S2 للعائلة 4 (الإعدادات الثابتة) | 0.632 | 0.574 | 0.615 YS | Bayesian ridge S2 للعائلة 4 (ARMOTE-CV المتداخل) | 0.685 | 0.666 | 0.613 HV | هول-بيتش الكلاسيكي للعائلة 1 | 0.086 | 0.136 | −0.077 HV | LightGBM S1 للعائلة 4 | 0.195 | 0.323 | 0.112 HV | الشكل الثابت للعائلة 5 (بعد الاختيار) | 0.725 | 0.727 | 0.636 ثلاث نتائج تقوم بمعظم العمل: - عرض توزيع حجم الحبيبة يساعد فقط في شكل معين. إضافة SD_grain إلى M3 كحد مستقل يرفع LOO إلى 0.668 لكنه يخفض LOBO إلى 0.595. السماح له بتعديل حد هول-بيتش بدلًا من ذلك (M15) يعطي 0.694 في كلا المقاييس، مع ΔBIC = −20.1 مقابل M3. الضبط الإضافي هو ما يجعل هذا التمييز واضحًا. - عدم الخطية لا تشتري شيئًا عند المدخلات المتطابقة. Lasso وLightGBM تصلان إلى 0.621 و0.615 تحت التحقق batch-held-out مع فترات تداخل bootstrap. - لا شيء ينقل إلى الأدبيات. كل شكل مغلق تم تقييمه يعطي R² سالب على سجلات القياس المباشر للأدبيات، لذلك يُبلغ عن هذا المجموعة كاختبار ضغط وليس كمقياس خارجي. التخطيط المستودع يحتوي على المجلدات والملفات التالية: data/raw/ يحتوي على Grain_Size_Summary_v3.xlsx — الإدخال الحقيقي الوحيد data/derived/ يحتوي على الوصففات المحسوبة، يتم إنشاؤها بواسطة `make data` scripts/ _config.py مسارات مشتركة؛ يجعل كل مجلد عائلة قابلًا للاستيراد _figstyle.py لوحة ألوان واحدة ومقياس نوع واحد لكل الشكل 00_data_preparation/ الوصففات، كميات VLC، سلم الميزات 01_family1_grain_size/ قوانين القياس، الانحدارات داخل التكرار 02_family2_physics_descriptors/ مقارنة SSS، تدقيق التكرار، PCA-OLS 03_family3_composition_processing/ هرم نموذج M، نماذج SD_grain 04_family4_nonlinear_ml/ لوحة مضبوطة، مقارنة المدخلات المتطابقة 05_family5_symbolic_regression/ شبكة PySR، متغيرات SISSO 06_validation/ اختبار CV المجمّع، اختبار الأدبيات، تدقيق التفرد 07_hardness_tabor/ نسبة تابور وتحليل ترتيب HV–YS figures/ كل شكل للنشرة results/ مخرجات CSV؛ كل منها يُنتج بواسطة سكريبت مسمى analysis_plots/ أشكال استكشافية وتشخيصية paper/ main.tex، supplementary.tex، references.bib، الأشكال/ report/ generate_report.py + Comprehensive_Analysis_Report.docx notebook/ المولد + ملفات .ipoln المولدة docs/ reproducing.md، validation_protocol.md tests/ اختبارات ترسية تثبت القيم المعيارية البدء السريع ```bash pip install -r requirements.txt make test # ~1 ثانية — يعيد حساب ويتحقق من كل قيمة رئيسية make figures # يعيد إنشاء جميع أشكال النشر من النتائج المخزنة make report # يعيد بناء تقرير Word من النتائج الحية make paper # يبني main.pdf و supplementary.pdf make help # كل هدف ``` ترتيب المراحل الكامل والتوقيتات: `docs/reproducing.md`. إمكانية إعادة الإنتاج `make test` يعيد حساب هرم نموذج M، خطوط الأساس للعائلة 1، نسبة تابور، وتدقيق مجموعة البيانات **من البيانات المستخلصة الخام** ويؤكدها على القيم المطبوعة في المخطوطة. كما يتحقق من أن كل شكل وجدول مُشار إليه في النص وأن كل ملف شكل موجود. إذا تغير التحليل، تفشل الاختبارات قبل أن تنحرف المخطوطة. اللجنة **ARMOTE-CV المتداخل** يتم التحقق منها بدلًا من إعادة تشغيلها. مولدها يخزن دراسة Optuna واحدة، مجموعة مختارة من المعلمات، وزوج من مقياسي الميزات والهدف لكل طية. عبر ست طيات LOBO تأخذ المعايير الخمسة المُضبّطة لبايزيان ريدج ست قيم مختلفة، وكل مقياس يُضبط على قسم التدريب الخاص به فقط. إعادة تحميل هذه الكائنات والتنبؤ بكل دفعة محفوظة تعيد إنتاج درجات الطيات الست بدقة وتعطي Q² مجمعة LOBO تساوي 0.613 (RMSE 50.5 ميغاباسكال). لذلك يُظهر التداخل، لا يُؤكد. هذه الآثار مرفقة مع المستودع، تحت `scripts/04_family4_nonlinear_ml/armote_cv/` — انظر ملف README هناك لمعرفة ما تم الاحتفاظ به وما تركه المنبع. تحليلان هما **أرشيفية** ولا يتم إعادة إنشاؤها هنا، في المخطوطة، أو بواسطة `make`: | نتيجة أرشيفية | السبب | | Bayesian PSIS-LOO stacking weights | لم يتم الاحتفاظ بسحب posterior من PyMC | | أداء PySR للحلقة الخارجية | تم اختيار المعادلات على جبهات البيانات الكاملة | تذكر المخطوطة هذه كنتائج أرشيفية، والكميات التكرارية التي يمكن إعادة حسابها (معاملات OLS لـ M15، معايير المعلومات، ودرجات CV المجمعة) تُعاد إنشاؤها بواسطة `make sdgrain`. الأشكال كل شكل يستورد `scripts/_figstyle.py`، لذا يستخدم المستند بأكمله لوحة Okabe–Ito ونوع خط واحد. اللون ليس القناة الوحيدة: تحمل الدفعات أشكال علامات مميزة، وتفصل عائلات النماذج بالموقع، وتطبع الكميات الموقعة قيمتها. تُرسم الأشكال بعرضها النهائي للطباعة כך أن حجم النقطة في النص هو نفس حجم النقطة على الصفحة. تم اختبار اللوحة تحت محاكاة عمى الألوان deuteranopia، protanopia وtritanopia. الاستشهاد انظر إلى `CITATION.cff`. البيانات الوصفية الأرشيفية لZenodo موجودة في `.zenodo.json`. الرخصة MIT — راجع `LICENSE`. مجموعة البيانات التجريبية الخام وتجميع الأدبيات متضمنان؛ ملفات PDF للLiterature المقتبس لا تُعاد توزيعها. الشكر ممول من مختبر أبحاث الجيش بموجب اتفاقية تعاونية W911NF-22-2-0106.