机器学习在金属材料服役性能预测中的应用

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

基金资助

国家自然科学基金资助项目（52122408）