Npj Comput. Mater. : 铁电相图表征干一年， AI一秒干完还有闲

本研究针对铁电材料研究中传统相图构建方法耗时耗力的问题，开发了基于深度学习的FerroAI模型。通过文本挖掘技术从4万多篇文献中收集了846种铁电材料的2838条相变数据，构建了高质量数据集。该模型在跨材料体系预测中准确率超过80%，成功预测出锆铪共掺杂钛酸钡体系的多型相界，并指导实验发现新型介电材料（介电常数达11051）。研究证明了大数据驱动的人工智能方法能显著加速铁电材料设计，将传统需数月的工作缩短至20秒完成。