淬火無序現(xiàn)象，是人們對各種材料（如FCC和BCC晶體、無定形固體）和地震地質(zhì)斷層突發(fā)塑性事件或材料爆裂噪聲事件進行觀察而得到認識的。爆裂噪聲可由隨機-場模型或界面定位模型加以解釋，涉及均勻固體的彈性、局域淬火無序，以及微觀狀態(tài)空間允許的不均勻和隨機分布。

然而局域淬火無序卻一直難以測量。美國西弗吉尼亞大學的Stefanos Papanikolaou教授采用無監(jiān)督機器學習方法并結(jié)合聚類算法，以期從具有爆裂噪聲隨時間演化行為的應力-應變曲線中獲得淬火、局域的無序分布。該方法在兩種爆裂噪聲模型中能成功實現(xiàn)數(shù)據(jù)的聚類和分類，并從鎳微柱單軸壓縮實驗的數(shù)據(jù)中成功得到了淬火無序的分布。

這是典型的時間局域可觀察參量（如突發(fā)事件大小/持續(xù)時間）途徑所無法企及的。作者將這一方法記作時間序列-機器學習法。若將這些淬火無序分布的識別及分類擴展到不同材料、加載模式和樣品加載歷史中，將有助于建立隨機屈服分布的數(shù)據(jù)庫，進而改進多尺度力學模型。