基于机器学习的材料弹性性能预测及可视化分析.pdfVIP

工程科学学报，第

46

卷，第

6

期：1120−1129，2024

年

6

月

Chinese

Journal

of

Engineering,

Vol.

46,

No.

6:

1120−1129,

June

2024

/10.13374/j.issn2095-9389.2023.08.10.003;

基于机器学习的材料弹性性能预测及可视化分析

1,2)1,2)1,2)1,2)1,2)3,4)✉1,2)

林轩杰，江汉同，李

倩，周玉玲，臧怀娟，任永生，詹

曙，

马文会3,4)

1)

合肥综合性国家科学中心人工智能研究院，合肥

230601

2)

合肥工业大学计算机与信息学院，合肥

230601

3)

真空冶金国家工程实验

室，昆明

650093

4)

昆明理工大学冶金与能源工程学院，昆明

650093

✉通信作者，

E-mail:

ryssdy@126.com

摘

要

在工程材料的应用中，弹性模量是重要的性能参数，找到特定弹性性能的材料是新材料合成领域的热点问题，如何

快速且准确的预测弹性在工程上具有重要意义.

通过实际实验测量大量材料的弹性性能并不现实.

因此，通过计算机模拟筛

选材料数据，选出候选材料，再通过实际实验进行验证，是一种理想的新材料发现方法.

目前材料性能预测的主要计算方法是

基于第一性原理的高通量计算，这类方法效率低下，难以高效地完成大批量的材料筛选任务.

而基于材料统计学的机器学习

预测方法，可通过大数据挖掘，快速预测材料性能，成为一种有可能替代高通量计算的方案.

本文将特征选择方法和机器学习

模型进行组合，从中选择最有效的弹性模量预测组合方案，并设计交互界面对输入特征和材料弹性性能的关系进行可视化分

析.

实验表明Pearson/RFE和GBDT的组合模型性能最好，同时通过可视化分析发现每原子能量、熔点、密度等特征对于预测

结果的影响较大.

这些重要的特征可以从特征–目标关系中初步预测弹性模量的范围，目标属性值也可反过来估计材料的重

要特征.

这些研究成果可应用于探究弹性的影响因素、预测大批量材料性能和可视化分析指导材料合成.

关键词

特征选择；机器学习；弹性性能预测；可视化；数据挖掘

分类号

TP181;TQ127.2

Prediction

of

the

elastic

properties

of

materials

based

on

machine

learning

and

visualization

analysis

LINXuanjie1,2)，JIANGHantong1,2)，LIQian1,2)，ZHOUYuling1,2)，ZANGHuaijuan1,2)，RENYongsheng3,4)✉，ZHANShu1,2)，MAWenhui3,4)

1)

Institute

of

Artificial

Intelligence,

Hefei

Comprehensive

National

Science

Center,

Hefei

230601,

China

2)

School

of

Computer

and

Information,

Hefei

University

of

Technology,

Hefei

230601,

China

3)

National

Engineering

Laboratory

of

Vacuum

Metallurgy,

Kunming

650093,

China

4)

Faculty

of

Metallurgical

and

Energy

Engineering,

Kunming

University

of

Science

and

Technology,

Kunming

650093,

China

✉Corresponding

author,

E-mail:

ryssdy@126.com

ABSTRACT

The

elastic

modulus

is

an

important

performance

parameter

that

measures

the

ability

of

materials

to

resist

deformation

and

is

critical

for

assessing

their

reliability

and

stability.

Thus,

the