【精选文章】北科大 骆鸿团队MGE Adv.：深度学习加速了多种强度–韧性的多主元合金的发现

本文针对多主元合金在强度-韧性平衡优化中面临的高维稀疏设计空间和数据稀缺等挑战，提出融合深度学习与多目标优化的智能设计框架。研究背景源于传统实验方法难以高效探索复杂成分体系，研究目的是通过自适应特征网络和生成对抗网络提升性能预测与成分优化能力。实验结果表明，该框架仅经三轮迭代就成功筛选出八种性能超越基准的合金，证实其能有效实现帕累托最优并调控微观组织，为多目标材料设计提供可推广的技术路径。