材料设计“拼图”缺块：AI如何补全它？

背景：材料系统具有多尺度复杂性，关键模态（如微观结构）常因获取成本高而缺失，导致AI模型面临数据不完整和模态不对齐的挑战。研究目的：提出MatMCL多模态学习框架，通过结构引导的对比学习策略，在模态缺失条件下实现鲁棒的性能预测、跨模态生成与检索。结论：该方法在纳米纤维材料及复合材料设计中验证有效，即使样本极少或结构缺失仍保持高预测精度，为材料多尺度数据不完备问题提供了通用AI解决方案。