机器学习在金属材料服役性能预测中的应用.pdfVIP

工程科学学报，第

46

卷，第

1

期：120−136，2024

年

1

月

Chinese

Journal

of

Engineering,

Vol.

46,

No.

1:

120−136,

January

2024

/10.13374/j.issn2095-9389.2023.03.07.002;

机器学习在金属材料服役性能预测中的应用

1)1)1)2)1,2)✉2)2)

李丰范，匡健隆，季佳浩，商春磊，吴宏辉，汪水泽，毛新平

1)

北京科技大学材料科学与工程学院，北京

100083

2)

北京科技大学碳中和创新研究院，北京材料基因工程高精尖创新中心，北京

100083

✉通信作者，

E-mail:

wuhonghui@

摘

要

在材料基因工程的背景下，数据驱动的机器学习技术推动着材料研究进入了新的范式.

机器学习能够充分利用已有

的实验数据，在不明晰机制原理的情况下实现对材料服役性能的准确预测，极大地减少了实验所需的时间与成本.

本文以机

器学习预测金属材料的典型服役性能为主题，总结并分析了四种预测金属材料服役性能的常用机器学习模型.

以疲劳、蠕

变、腐蚀这三种常见的服役性能为代表，介绍了机器学习在这三个性能方面的研究情况，并列举了几个具体的案例进行简要

分析.

最后，总结了机器学习预测金属材料服役性能的特点，分析了当下机器学习预测金属材料服役性能存在的一些科学问

题，并对其发展前景进行了讨论和展望.

关键词

机器学习；数据驱动；服役性能；材料数据

分类号

TG142.71

Application

of

machine

learning

for

predicting

the

service

performance

of

metallic

materials

1)1)1)2)1,2)✉2)2)

LIFengfan，KUANGJianlong，JIJiahao，SHANGChunlei，WUHonghui，WANGShuize，MAOXinping

1)

School

of

Materials

Science

and

Engineering,

University

of

Science

and

Technology

Beijing,

Beijing

100083,

China

2)

Beijing

Advanced

Innovation

Center

for

Materials

Genome

Engineering,

Innovation

Research

Institute

for

Carbon

Neutrality,

University

of

Science

and

Technology

Beijing,

Beijing

100083,

China

✉Corresponding

author,

E-mail:

wuhonghui@

ABSTRACT

In

materials

genetic

engineering,

data-driven

machine

learning

(ML)

technology

is

driving

materials

research

into

a

new

paradigm

after

theory,

experiment,

and

computation,

which

is

the

fourth

paradigm.

Through

ML,

we

can

fully

use

the

existing

experimental

data

and

exploit

hidden

connections

underlying

the

data

to

achieve

a

more

accurate

prediction

of

material

service

performance

despite

not

knowing

the

underlying

principles.

Therefore,

ML

can

greatly

redu