文献类型：期刊文章

作　　者：谢建新[1] 宿彦京[1] 薛德祯[2] 姜雪[1] 付华栋[1] 黄海友[1]

XIE Jianxin;SU Yanjing;XUE Dezhen;JIANG Xue;FU Huadong;HUANG Haiyou(Beijing Advanced Innovation Center for Materials Genome Engineering,Institute for Advanced Materials and Technology,University of Science and Technology Beijing,Beijing 100083,China;State Key Laboratory for Mechanical Behavior of Materials,Xi􀆳an Jiaotong University,Xi􀆳an 710049,China)

机构地区：[1]北京科技大学新材料技术研究院北京材料基因工程高精尖创新中心,北京100083 [2]西安交通大学金属材料强度国家重点实验室,西安710049

出　　处：《金属学报》

年　　份：2021

卷　　号：57

期　　号：11

起止页码：1343-1361

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CAS、CSCD、CSCD2021_2022、EAPJ、EI、IC、JST、RCCSE、SCIE、SCOPUS、WOS、ZGKJHX、核心刊

摘　　要：大数据和人工智能技术的快速发展推动数据驱动的材料研发快速发展成为变革传统试错法的新模式,即所谓的材料研发第四范式。新模式将大幅度提升材料研发效率和工程化应用水平,推动新材料快速发展。本文聚焦机器学习辅助材料研发这一新兴领域,以材料预测和优化设计为主线,在简述材料特征构建与筛选的基础上,综述了机器学习在材料相结构、显微组织、成分-工艺-性能、服役行为预测等方面的研究进展;针对材料数据样本量少、噪音高、质量差,以及新材料探索空间巨大的特点,综述了机器学习模型与优化算法和策略融合,在新材料优化设计中的研究进展和典型应用。最后,讨论了机器学习在材料领域的发展机遇和挑战,展望了发展前景。

关 键 词：材料数据  数据挖掘 机器学习  材料设计  材料基因工程  

分 类 号：TP181]