baratilab/Eagar-Tsai

该数据集名为process_maps，包含了多种材料（如钛合金、不锈钢等）在不同加工条件下的详细参数，如边界尺寸、功率范围、速度范围等。每个材料都有一组特定的参数设置，用于模拟或分析材料加工过程。数据集提供了详细的参数信息，适用于材料加工过程的研究和分析。

原始信息汇总

数据集概述

数据集配置

• 配置名称: process_maps

数据集特征

• args:
  • bound_x_start: float64
  • bound_x_stop: float64
  • bound_y_start: float64
  • bound_y_stop: float64
  • bound_z_start: float64
  • bound_z_stop: int64
  • d_beam: float64
  • material: string
  • mesh_resolution: float64
  • power_start: int64
  • power_step: int64
  • power_stop: int64
  • velocity_start: float64
  • velocity_step: float64
  • velocity_stop: float64
  • verbose: bool
• widths: sequence of float64
• depths: sequence of float64
• lengths: sequence of float64
• powers: sequence of int64
• velocities: sequence of float64

数据集分割

• m_Ti6Al4V_p_0_480_20_v_0.0_2.9_0.1: 18886 bytes, 1 example
• m_4140steel_p_0_480_20_v_0.0_2.9_0.1: 18887 bytes, 1 example
• m_AA7075_p_0_480_20_v_0.0_2.9_0.1: 18883 bytes, 1 example
• m_Al25Fe_p_0_480_20_v_0.0_2.9_0.1: 18885 bytes, 1 example
• m_AlSi10Mg_p_0_480_20_v_0.0_2.9_0.1: 18885 bytes, 1 example
• m_CMSX4_p_0_480_20_v_0.0_2.9_0.1: 18883 bytes, 1 example
• m_HCPCu_p_0_480_20_v_0.0_2.9_0.1: 18883 bytes, 1 example
• m_HastelloyX_p_0_480_20_v_0.0_2.9_0.1: 18888 bytes, 1 example
• m_IN625_p_0_480_20_v_0.0_2.9_0.1: 18882 bytes, 1 example
• m_IN718_p_0_480_20_v_0.0_2.9_0.1: 18882 bytes, 1 example
• m_Invar36_p_0_480_20_v_0.0_2.9_0.1: 18884 bytes, 1 example
• m_K403superalloy_p_0_480_20_v_0.0_2.9_0.1: 18892 bytes, 1 example
• m_MS1_p_0_480_20_v_0.0_2.9_0.1: 18881 bytes, 1 example
• m_SS174PH_p_0_480_20_v_0.0_2.9_0.1: 18885 bytes, 1 example
• m_SS304_p_0_480_20_v_0.0_2.9_0.1: 18882 bytes, 1 example
• m_SS304L_p_0_480_20_v_0.0_2.9_0.1: 18883 bytes, 1 example
• m_SS316L_p_0_480_20_v_0.0_2.9_0.1: 18883 bytes, 1 example
• m_Ti49Al2Cr2Nb_p_0_480_20_v_0.0_2.9_0.1: 18892 bytes, 1 example
• m_Ti6242_p_0_480_20_v_0.0_2.9_0.1: 18883 bytes, 1 example
• m_TiCInconel718_p_0_480_20_v_0.0_2.9_0.1: 18892 bytes, 1 example
• m_Tungsten_p_0_480_20_v_0.0_2.9_0.1: 18885 bytes, 1 example

数据集大小

• 下载大小: 683355 bytes
• 数据集大小: 396586 bytes

搜集汇总

数据集介绍

构建方式

在增材制造领域，精确模拟激光粉末床熔融过程对优化工艺参数至关重要。该数据集通过Eagar-Tsai热传递模型，系统生成了多种金属合金在激光功率和扫描速度变化下的熔池几何数据。构建过程涵盖了从钛合金到不锈钢等二十余种材料，每个材料配置均基于预设的功率范围与速度梯度，通过数值计算得到对应的熔池宽度、深度及长度序列，形成结构化的工艺图谱。

特点

本数据集的核心特征在于其多维度的工艺参数覆盖与高保真的物理模拟结果。数据集中不仅包含了激光功率与扫描速度的离散化组合，还详细记录了每种材料在特定边界条件和网格分辨率下的熔池三维几何响应。这种设计使得数据集能够精准反映不同材料在热源作用下的熔融行为差异，为研究材料-工艺-性能关联提供了丰富的定量依据。

使用方法

研究人员可通过HuggingFace平台直接加载该数据集，利用其标准化的特征结构进行机器学习模型的训练与验证。数据集中的参数序列可直接用于回归分析或工艺窗口预测，支持增材制造过程的数字化建模。用户可依据材料类型选择对应数据子集，结合功率与速度变量，深入探究熔池形态的演变规律，进而指导实际生产中的参数优化。

背景与挑战

背景概述

在增材制造领域，精确预测激光粉末床熔融工艺中的熔池几何形态是优化制造参数、提升构件性能的核心课题。Eagar-Tsai数据集由Barati实验室构建，旨在通过系统化的数值模拟，为多种工程合金材料建立激光功率与扫描速度对熔池宽度、深度及长度的影响图谱。该数据集涵盖了钛合金、不锈钢、高温合金等二十余种典型材料，通过Eagar-Tsai热传导模型生成高保真过程映射，为机器学习模型提供了训练与验证的基础，推动了数据驱动的工艺优化与新材料开发。

当前挑战

该数据集致力于解决增材制造中工艺参数与熔池形貌间复杂非线性关系的量化难题，其挑战在于如何从有限模拟数据中准确泛化至未知材料与参数组合，并克服模型对高维参数空间的表征瓶颈。构建过程中，需平衡计算成本与数据精度，确保在不同材料热物性差异下模拟结果的一致性，同时处理多变量耦合导致的数值稳定性问题，以及将连续物理场离散为结构化数据时保持几何特征的完整性。

常用场景

经典使用场景

在增材制造领域，Eagar-Tsai数据集通过模拟激光粉末床熔融过程，为研究熔池形貌与工艺参数间的映射关系提供了关键数据支撑。该数据集系统性地记录了多种金属合金在不同激光功率和扫描速度下的熔池宽度、深度与长度，成为构建工艺-性能预测模型的核心资源。研究人员可借助这些高保真模拟数据，深入探索熔池动力学行为，优化工艺窗口，从而提升制造精度与材料性能。

衍生相关工作

基于Eagar-Tsai数据集，学术界衍生出一系列经典研究工作，主要集中在工艺映射的机器学习建模与仿真加速领域。例如，研究者利用该数据集开发了深度神经网络模型，实现了熔池形貌的高精度快速预测；另有工作结合数据集与物理信息神经网络，提升了模型在未知参数区域的泛化能力。这些工作不仅验证了数据集的科学价值，也推动了数据驱动与物理模型融合的新范式在增材制造领域的广泛应用。

数据集最近研究

最新研究方向

在增材制造与材料科学领域，Eagar-Tsai数据集作为高保真模拟数据的代表，正推动着工艺参数优化的前沿探索。该数据集通过系统化的激光功率与扫描速度组合，生成了多种合金材料的熔池形貌数据，为机器学习模型提供了精准的物理基础。当前研究聚焦于利用这些数据构建深度神经网络，以预测复杂工况下的熔池尺寸与形态，进而实现工艺窗口的智能推荐。这一方向与工业4.0背景下数字孪生和智能制造的浪潮紧密相连，显著降低了传统试错法的成本与时间，为航空航天、生物医疗等高端装备的快速成型奠定了数据基石。