德國馬克斯·普朗克研究所將自然語言處理與深度神經(jīng)網(wǎng)絡(luò)相結(jié)合，開發(fā)出一種過程感知神經(jīng)網(wǎng)絡(luò)模型，能夠同時促進數(shù)字與文本數(shù)據(jù)的訓練，增強耐腐蝕合金設(shè)計的機器學習能力。除了數(shù)字輸入訓練之外，過程感知神經(jīng)網(wǎng)絡(luò)模型能夠接受與合金加工歷史和電化學測試方法有關(guān)的文本輸入，點蝕電位預(yù)測準確性優(yōu)于簡單神經(jīng)網(wǎng)絡(luò)模型，能夠更準確地識別給定電化學環(huán)境中合金元素對耐點蝕性能的貢獻。此外，該模型還將合金的輸入成分轉(zhuǎn)換為基于元素物理/化學性質(zhì)的合金描述符，有效識別構(gòu)型熵、原子堆積效率、元素之間局部電負性差和原子半徑差等提供耐點蝕性能的關(guān)鍵參數(shù)。