摩擦学的人工智能：现在和未来

摩擦学的人工智能：现在和未来

        凭借卓越的学习能力和快速的操作速度，人工智能可以帮助研究人员从主观信息中快速提取有价值的模式、趋势和关联。摩擦学行为的特点是对系统的依赖、随时间的进化和多学科的耦合。摩擦过程涉及力学、热学、电学、光学、磁学等多种现象，摩擦学信息具有多学科、多层次、多尺度的鲜明特征，人工智能在摩擦学中的应用非常广泛。为了描述人工智能在摩擦学中的应用范围、分类和最新趋势，本文对摩擦学研究领域进行了探索。全面概述了人工智能在摩擦学基础理论、智能摩擦学、部件摩擦学、极限摩擦学、生物摩擦学、绿色摩擦学等领域的应用。最后，考虑到“摩擦学信息学”作为一个将摩擦学与信息学相结合的新的跨学科领域的出现，本文阐述了“摩擦学人工智能”的未来方向和研究框架。本文将摩擦学系统信息分为5类：输入信息（I）、系统固有信息（S）、输出信息（O）、摩擦学状态信息（Ts）和导出状态信息（Ds）。然后，提出了5种类型的摩擦学系统信息与不同人工智能技术（回归、分类、聚类和降维）之间的融合方法，使摩擦学信息学方法能够解决摩擦学行为状态监测、行为预测和系统优化等常见问题。本综述旨在对摩擦学信息学进行系统的理解，并启发摩擦学信息学的新研究思路。最终，它致力于提高摩擦学问题解决的效率。

文章链接：https://link.springer.com/article/10.1007/s40544-024-0879-2