ข้อค้นพบสำคัญ
- ML ทำนาย strength/wear และ optimize formulation ได้ใน dataset เฉพาะ; nanofillers เปลี่ยนทั้ง performance และ feature space; small data/feature selection/generalization เป็นปัญหาหลัก; physics-informed/multi-fidelity/open data เป็นทิศทางสำคัญ
ทำไมจึงมีความสำคัญระดับโลก
digital materials development อาจลดเวลา ต้นทุน และของเสียจาก trial-and-error ในอุตสาหกรรมขนส่ง/พลังงาน แต่ต้องสร้างข้อมูลร่วมที่มี provenance และ uncertainty เพื่อไม่ให้สูตรที่ดีที่สุดในคอมพิวเตอร์ล้มเหลวในการผลิต
บทบาทของนักวิจัยไทย
Hemaraju Raju จากมหาวิทยาลัยเทคโนโลยีราชมงคลอีสานร่วมสังเคราะห์ ML และวัสดุคอมโพสิตเพื่อการออกแบบเชิงวิศวกรรม
ข้อจำกัดที่ควรรู้
บททบทวนอาจไม่ systematic และคำว่า accurate ในงานต้นฉบับอาจมาจาก random split ที่มีสูตรใกล้กัน data leakage และไม่มี external batches โมเดลต่างงานเทียบไม่ได้หากหน่วย/validation ต่าง และ prediction ไม่รวม process variability, aging หรือ manufacturability เสมอ