.png){kind=icon}
返回
Microstructure-aware bayesian materials design
.png){kind=icon}
PRE
AI
DOI：10.1016/j.actamat.2025.121587.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本研究中，我们提出了一种新颖的微观结构敏感贝叶斯优化（BO）框架，旨在通过显式融入微观结构信息来提升材料发现的效率。传统材料设计方法通常仅关注化学-工艺-性能的直接关系，忽视了微观结构的关键作用。为解决此局限性，我们的框架将微观结构描述符作为潜在变量进行整合，能够构建全面的工艺-结构-性能映射，从而提高预测精度和优化结果。通过采用主动子空间方法进行降维，我们识别出最具影响力的微观结构特征，进而降低计算复杂度，同时保持设计过程中的高精度。该方法还增强了高斯过程的概率建模能力，加速了在更少迭代和实验观测下收敛至最优材料构型。我们通过合成及实际案例研究验证了该框架的有效性，包括用于能量转换的Mg₂SnₓSi₁₋ₓ热电材料设计。结果表明，微观结构在连接加工条件与材料性能方面发挥关键作用，突显了微观结构感知设计范式革新材料发现的潜力。此外，本研究表明，由于融入微观结构感知可提升贝叶斯材料发现的效率，微观结构表征阶段应成为自动化乃至最终自主的材料开发平台不可或缺的一部分。
