【学报观点要览】

    文章：《机器学习在金属材料服役性能预测中的应用》

    期刊：工程科学学报，2024年第1期

    作者：李丰范、匡健隆、季佳浩、商春磊、吴宏辉、汪水泽、毛新平

    评荐：吴爱祥（中国工程院院士、学报主编）

    当前，材料性能研究一直处于材料科学领域的关注核心。传统的试错法结合实验和物理模型来探索材料成分与性能之间的关系，耗时长、成本高，严重制约高性能新材料的开发。数据驱动的机器学习技术为材料研究带来变革，可利用丰富实验数据，在不完全明了机理的情况下，准确预测材料实际服役性能，显著降低实验的时间经济成本。

    该文深入探讨四种主要的机器学习模型在金属材料服役性能预测中的应用，具体涉及疲劳、腐蚀和蠕变这三种关键性能。在总结各模型特点的同时，结合案例分析，展示了机器学习在材料预测领域的强大潜力和实际效果。该文指出，高质量数据集是实施机器学习的基础。为了进一步推动机器学习在材料科学中的应用，建立健全的材料数据标准和大数据共享平台显得尤为重要。同时，建议开发新算法或探索算法之间的互动，并将机器学习技术与传统的热力学或动力学模型相结合，以深入挖掘和利用材料性能参数之间的内在联系。机器学习技术在预测和设计新型高性能金属材料方面展现出巨大的应用前景，为材料科学研究提供了一种全新的、高效的研究方法。