昆明理工大学团队在人工智能与材料领域实现重要突破
时间：2025-08-05 00:55
小编：小世评选
近日，来自昆明理工大学材料科学与工程学院的科研团队在“人工智能与材料科学”的交叉领域取得了令人瞩目的进展。由种晓宇、何京津、冯晶教授带领的团队成功提出了一种“连续迁移”机器学习框架，突破了在小数据集下进行材料多性能预测的技术瓶颈。这项研究不仅为新型功能材料的高效研发开辟了新的思路，还对材料科学与人工智能的结合产生了重要的影响，相关成果已发表在国际知名期刊《先进功能材料》上。
在材料科学的研究中，材料性能预测一直是一个核心挑战。传统的机器学习方法在处理材料性能时常常面临数据稀缺的困境，特别是当目标性能的样本量较少时，模型的预测准确性受到严重影响。为了解决这一问题，昆明理工大学的研究团队创新性地构建了“连续迁移”的学习策略。
该团队利用海量的材料形成能数据，训练出了一种高精度的基础模型。随后，他们通过迁移学习的方法，成功地依次预测了材料的多项关键性能，如稳定性、带隙值与体积模量等。特别是在处理仅有51条数据的剪切模量预测任务时，团队通过体积模量模型作为“跳板”，实现了二次迁移，有效地提高了小数据集下的预测可靠性。这一创新方法不仅提升了材料性能预测的准确性，也为未来所需材料的研究与开发提供了极大的便利。
通过这一“连续迁移”机器学习框架，科研团队从1.8万余种候选材料中，快速筛选出了54种具备高稳定性与优异延展性的无机双钙钛矿涂层材料。其中，六氟合铱酸铯铜材料的表现尤为突出，研究表明其带隙值非常适合光伏应用的需求，其剪切模量与体积模量的比值显示出了良好的延展性。稳定性测试也进一步验证了此材料的潜在实用价值。这样的成果不仅为钙钛矿太阳能电池和光催化等领域提供了丰富的候选材料库，同时也为迁移学习在材料多性能协同优化中的普适性提供了新证据。
这项研究得到了昆明理工大学的金属先进凝固成形及装备技术国家地方联合工程研究中心的支持，标志着该校在材料信息学领域的一次重要进步。这不仅有助于解决传统机器学习在数据稀缺场景下的性能瓶颈，更为材料研发中普遍面临的“数据少、任务多”的挑战提供了可推广的计算工具。通过高效的计算模型，此次研究为材料多性能协同优化提供了新的计算范式，也为其他材料领域性能预测与优化开辟了广阔的前景。
昆明理工大学在人工智能与材料科学的结合上所取得的突破，不仅推动了相关领域的发展，还为全球科研人员提供了新的研究思路和方法。这项研究的成功实施标志着人工智能技术在材料科学领域的广泛应用潜力，也为未来新材料的设计与制造打开了更多可能性。在全球材料研究与开发进入快速发展的新时代，昆明理工大学的研究成果为这一进程添砖加瓦，为人类社会的可持续发展贡献了一份力量。
随着人工智能技术的不断进步和数据获取能力的增强，“人工智能+材料”交叉领域的研究将会迎来更多的创新与突破。昆明理工大学的这一重要研究成果，充分展示了人工智能在推动科学进步、技术转化中的关键作用。未来的材料研发，将在这种科学创新的驱动下，迈向一个更加辉煌的时代。
