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

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。