東北大學(xué)軋制技術(shù)與連軋自動(dòng)化國(guó)家重點(diǎn)實(shí)驗(yàn)室徐偉教授團(tuán)隊(duì)近期在ActaMater.79 （2019）201-214發(fā)表題為Physical metallurgy-guided machine learning and artificial intelligent design of ultrahigh-strength stainless steel的研究成果，文章第一作者為實(shí)驗(yàn)室博士研究生沈春光，共同通訊作者為王晨充、徐偉。

論文鏈接：https://doi.org/10.1016/j.actamat.2019.08.033

材料基因工程是近年興起的材料領(lǐng)域前沿方向，旨在通過(guò)對(duì)集成計(jì)算與數(shù)據(jù)庫(kù)技術(shù)等手段的綜合運(yùn)用，實(shí)現(xiàn)材料研發(fā)成本與周期的降低。隨著集成計(jì)算思想和數(shù)據(jù)挖掘技術(shù)的發(fā)展，材料基因工程在諸多新型高性能金屬材料的研發(fā)中取得了顯著的成效。然而，由于鋼鐵結(jié)構(gòu)材料的成分工藝設(shè)計(jì)涉及大量對(duì)復(fù)雜耦合關(guān)系的分析，并受到諸多爭(zhēng)議性機(jī)理的制約，因此基于材料基因思想的鋼鐵材料設(shè)計(jì)一直是領(lǐng)域內(nèi)的國(guó)際性熱點(diǎn)與難點(diǎn)問(wèn)題。

隨著大數(shù)據(jù)時(shí)代的到來(lái)，機(jī)器學(xué)習(xí)算法為解決復(fù)雜體系下的工藝設(shè)計(jì)與優(yōu)化提供了可行之道。盡管現(xiàn)今基于機(jī)器學(xué)習(xí)的材料設(shè)計(jì)方法已經(jīng)獲得了若干成功案例，但是多數(shù)研究中使用的設(shè)計(jì)手段只是運(yùn)用機(jī)器學(xué)習(xí)算法，在統(tǒng)計(jì)數(shù)學(xué)層面上直接構(gòu)建“成分/工藝-目標(biāo)性能”之間的強(qiáng)關(guān)聯(lián)，而忽視了傳統(tǒng)材料設(shè)計(jì)思想中最為關(guān)注的顯微組織特征等物理冶金學(xué)信息，這種設(shè)計(jì)方式不單極大地阻礙了對(duì)設(shè)計(jì)結(jié)果內(nèi)在物理機(jī)制的理解，更導(dǎo)致設(shè)計(jì)方式存在對(duì)數(shù)據(jù)數(shù)量的極大依賴，從而為模型的設(shè)計(jì)效率提升和普適性推廣造成了極大的困難。

針對(duì)基于傳統(tǒng)機(jī)器學(xué)習(xí)算法的鋼鐵材料設(shè)計(jì)中的以上瓶頸問(wèn)題，徐偉教授團(tuán)隊(duì)從物理冶金學(xué)與機(jī)器學(xué)習(xí)算法融合的角度出發(fā)提出了以物理冶金學(xué)為指導(dǎo)的機(jī)器學(xué)習(xí)方法。在該設(shè)計(jì)方法中，通過(guò)使用與強(qiáng)度高度相關(guān)的物理冶金參數(shù)對(duì)原始數(shù)據(jù)集中進(jìn)行增維處理，不僅可以將物理冶金信息融入機(jī)器學(xué)習(xí)過(guò)程，還可以充分挖掘原始數(shù)據(jù)內(nèi)在信息，提升數(shù)據(jù)質(zhì)量，最終獲得了具有優(yōu)良泛化能力的預(yù)測(cè)模型。隨后將該預(yù)測(cè)模型與高通量遺傳算法尋優(yōu)相結(jié)合形成了高效的合金計(jì)算設(shè)計(jì)框架。

基于該設(shè)計(jì)框架在10^2小樣本數(shù)據(jù)集下成功設(shè)計(jì)出新型超高強(qiáng)不銹鋼，相比于原始數(shù)據(jù)集，設(shè)計(jì)合金體系不僅獲得強(qiáng)度提升而且明顯低合金含量。除此之外，通過(guò)對(duì)比無(wú)物理冶金學(xué)參與的設(shè)計(jì)過(guò)程清晰地揭示了物理冶金信息參與機(jī)器學(xué)習(xí)性能預(yù)測(cè)時(shí)對(duì)模型性能與設(shè)計(jì)效率的提升能力。研究結(jié)果為基于小樣本機(jī)器學(xué)習(xí)算法的鋼鐵材料設(shè)計(jì)，以及機(jī)器學(xué)習(xí)算法中物理可解釋性的提升提供了可行思路。