文献互助智能选刊最新文献

高级搜索发布求助登录注册

首页 > 材料科学

北科大宿彦京教授团队 | Acta Materialia：大模型赋能钢铁材料设计

材料人 2024-12-22 10:15

文章摘要

北京科技大学宿彦京教授团队在《Acta Materialia》发表了一篇基于大语言模型进行钢铁材料设计的研究论文。该研究利用大语言模型，通过大规模数据和深度学习框架，从海量历史文本知识中定量预测钢铁材料的力学性能。研究提出的SteelBERT模型在预训练后，成功预测了多种钢种的力学性能，并在实验室数据集上微调后，优化设计出一种综合力学性能优异的新型奥氏体不锈钢。该方法不仅提高了材料设计的效率，还展示了在其他材料性能预测中的广泛应用潜力。

北科大宿彦京教授团队 | Acta Materialia：大模型赋能钢铁材料设计

查看文献： Automated pipeline for superalloy data by text mining
查看期刊：npj Computational Materials

本站注明稿件来源为其他媒体的文/图等稿件均为转载稿，本站转载出于非商业性的教育和科研之目的，并不意味着赞同其观点或证实其内容的真实性。如转载稿涉及版权等问题，请作者速来电或来函联系。

推荐文献

ACS Applied Electronic Materials

ACS Applied Electronic Materials

Corroborating the Monro-Kellie Principles.

DOI: 10.1007/s12028-022-01624-x Pub Date : 2026-02-01 Date: 2022/10/31 0:00:00

IF 4.7 3区材料科学 Q1

ACS Applied Electronic Materials

ACS Applied Energy Materials

ACS Applied Energy Materials

Issue Editorial Masthead

DOI: 10.1021/aev009i002_2032701 Pub Date : 2026-01-26

IF 5.5 3区材料科学 Q2

ACS Applied Energy Materials

npj Computational Materials

npj Computational Materials

Deep Gaussian process-based cost-aware batch Bayesian optimization for complex materials design campaigns

DOI: 10.1038/s41524-026-01981-7 Pub Date : 2026-02-04

IF 9.7 1区材料科学 Q1

npj Computational Materials

最新文章

机器学习预测电池循环寿命 | Nature

机器学习预测电池循环寿命 | Nature

01【科学背景】开发长寿命电池对满足电动汽车与电网储能的日益增长需求至关重要。然而，当前电池研发面临显著的效率瓶颈：评估新设计寿命的传统方法耗时极长、能耗巨大，且通常需要基于大量实验数据才能做出可靠预

11小时前

$薛其坤院士领衔！北京师范大学窦瑞芬/物理所禹日成团队：莫尔超晶格-二硫化钼MoS\u2082 | Advanced Materials$

薛其坤院士领衔！北京师范大学窦瑞芬/物理所禹日成团队：莫尔超晶格-二硫化钼MoS\u2082 | Advanced Materials

具有多重旋转自由度的扭转三层Twisted trilayer (Tt)过渡金属硫族化物，为构建大波长摩尔超晶格，以最大化关联效应提供了前所未有的机遇。然而，精确堆叠三层结构，以实现超大摩尔超晶格，仍面

11小时前

西北工业大学：金属熔体/陶瓷之间的润湿调控 | Transactions of Materials Research

西北工业大学：金属熔体/陶瓷之间的润湿调控 | Transactions of Materials Research

熔融金属与陶瓷之间的润湿调控，传统方法常需改变体系固有反应特性，且易导致连接质量与服役可靠性不足。近日，西北工业大学Peng Miao，Tie Liu等在Transactions of Materia

11小时前

Nature：首个能写综述论文的开源AI模型来了，大幅减少科研“幻觉”，堪比人类专家

Nature：首个能写综述论文的开源AI模型来了，大幅减少科研“幻觉”，堪比人类专家

撰文丨王聪编辑丨王多鱼排版丨水成文momo读论文科学进步取决于科研人员综合日益增多的文献资料的能力，面对科学文献的爆炸式增长，科研人员如何才能快速筛选、总结海量文献？大语言模型（LLM）是否能够在这方

11小时前

Book学术官方微信

Book学术文献互助

Book学术文献互助群
群号：604180095

文献互助智能选刊最新文献互助须知联系我们：info@booksci.cn

Book学术提供免费学术资源搜索服务，方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。

Copyright © 2023 Book学术 All rights reserved.

京公网安备 11010802042870号京ICP备2023020795号-1