合金材料用醫療器械上有非常多的使用價值，目前采用人工神經網絡和統計模型對擠壓鑄造工藝制備的A413/B4C合金材料的硬度、抗拉強度和屈服強度進行了模擬。作者用18個數據進行訓練，用9個數據進行測試，用雙曲正切sigmoid函數(TANSIG)和線性傳遞函數(PURELIN)作為激活函數，用Levenberg-Marquardt算法和梯度下降動量BP算法(traindm)作為訓練算法。合金材料有三個輸入層，三個輸出層和50 + 50個神經元在兩個隱藏層。在訓練和測試之前，將數據歸一化到范圍(0-1)內。MSE、R和預測百分比誤差是系統的性能指標。

合金材料用Levenberg-Marquardt算法觀察到最優的結構是隱藏層數和神經元數為2，結果與實驗值吻合較好。硬度R為0.96,UTS和YS為0.95,MAPE為1.42,UTS為0.62,YS為0.59。結果表明，合金材料所提出的模型可以節省成本和時間。采用33個全設計(三層三因素)的階乘設計來設計輸入和結果變量之間的聯系，采用試驗設計(DOE)與方差分析(ANOVA)來確定各因素對響應的顯著性。

合金材料在醫學領域的壓力分別為70、105、140 MPa，模具預熱溫度分別為150、225、300℃，B4C率分別為4、8、12 wt.%。R2為95.25%，調整后R2為93.83%，模型效果良好。擠壓壓力為44-46%左右對力學性能影響較大，而B4C wt.%為33-43%左右，模具預熱溫度為9-16%左右。合金材料響應的所有p值均小于0.005。壓力、B4C速率和模具預熱溫度的最佳配比分別為140 MPa、12 wt.%和225℃，可獲得最大的力學性能。