WAM数据集与电磁波吸波材料分类方法及应用研究

来源：电子与信息学报杂志2025年第12期北京时间：

作者：袁宇洋, 张峻晗, 李丹丹, 沙建军

单位：1.大连理工大学力学与航空航天学院 大连 1160242.大连理工大学工业装备结构分析国家重点实验室 大连 1160243.辽宁省飞行器前沿技术重点实验室 大连 116024

摘要：电磁辐射防护吸波材料的性能主要由厚度、最大反射损耗和有效吸收带宽决定。研究集中在金属有机框架、碳基和陶瓷吸波材料上，利用弱人工智能分析(Wave Absorption Materials, WAM)数据集。划分训练集和测试集后进行数据增强以及相关性和主成分分析。采用决策树算法制定分类指标，发现MOFs(Metal Organic Frameworks)类材料的反射损耗优于碳基材料类，MOFs类材料容易满足最大反射损耗值小于–45 dB。多次训练后，随机森林算法泛化性能比决策树算法好，ROC-AUC值更高。运用神经网络进行分类研究，结果表明自组织映射神经网络在分类上表现更佳，而概率神经网络效果较差。将二分类问题扩展到三分类问题后，使用非线性分类、聚类算法和Boosting类算法，发现最大反射损耗是关键指标。进一步分析表明，WAM数据集非线性可分，模糊聚类效果较好。人工智能有助于揭示材料特性与吸波性能的关系，加速新材料研发，支持吸波材料知识图谱和知识库的建设。

关键词：吸波材料, 模式识别, 神经网络, 数据挖掘, 人工智能