记者27日从昆明理工年夜学获悉，该校质料科学与工程学院种晓宇、何京津、冯晶传授团队于“人工智能+质料”交织范畴取患上主要冲破，提出了“持续迁徙”呆板进修框架，乐成解决了小数据集下质料多机能猜测的技能瓶颈，为新型功效质料的高效研发提供了新思绪。相干研究结果发表在《进步前辈功效质料》。

传统呆板进修要领于质料机能猜测中常受限在数据稀缺问题，特别当方针机能样本量不足时，模子精度难以包管。针对于这一挑战，团队立异性地构建了“持续迁徙”进修计谋：起首基在海量质料的形成能数据练习高精度基础模子，再经由过程迁徙进修依次猜测质料的不变性、带隙、体积模量等要害机能。劈面对于仅51条数据的剪切模量猜测使命时，团队进一步以体积模量模子为“跳板”，举行二次迁徙，使小数据集下的猜测靠得住性显著晋升。

经由过程该框架，研究团队从1.8万余种候选质料中，快速筛选出54种兼具高不变性与优秀延展性的无机双钙钛矿涂层质料。此中，六氟合铱酸铯铜质料体现尤为凸起：其带隙值适配光伏运用需求，剪切模量与体积模量比值显示出高延展性，不变性测试也验证了其潜于实用价值。这一结果不仅为钙钛矿太阳能电池、光催化等范畴提供了候选质料库，更证实了迁徙进修于质料多机能协同优化中的普适性，为其他质料的机能猜测与优化提供了可推广的框架。

据相识，此项研究依托该校的金属进步前辈凝集成形和设备技能国度处所结合工程研究中央完成，是昆明理工年夜学于质料信息学范畴的又一主要进展，为有用解决传统呆板进修于三木SEO-数据稀缺场景下的机能瓶颈，破解“数据少、使命多”的质料研举事题提供了可推广的计较东西，也为质料多机能协同优化提供了高效计较范式。

Previous Next 返回列表