北科大宿彦京教授团队《Acta Materialia》融合历史知识与AI的钢铁设计新模式
材料学网
2024-12-22 20:30
文章摘要
近年来,人工智能技术,特别是大模型的快速发展,正在深刻重塑传统材料科学的研究方式。北京科技大学宿彦京教授团队在《Acta Materialia》上发表的研究论文提出了一种基于大语言模型的端到端方法,用于从海量历史文本中直接预测材料性能。该研究通过整合大规模数据和挖掘非结构化知识,显著提升了钢铁设计的效率和精度,为钢铁行业的高效、精准发展注入了强大动力。研究中提出的SteelBERT模型和多模态深度学习框架,成功预测了多种钢种的力学性能,并在实验室数据上进一步提升了预测精度,最终优化出性能优异的奥氏体不锈钢。这一研究不仅在钢铁材料的优化与创新中发挥了重要作用,还为其他材料性能的研究和开发提供了新的技术支持。
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。