大阳城集团(中国)官方网站

　　昆明理工大学材料科学与工程学院种晓宇ღ◈ღ、何京津ღ◈ღ、冯晶教授团队在“人工智能+材料”交叉领域取得重要突破ღ◈ღ。

　　研究团队提出了“连续迁移”机器学习框架光伏电站ღ◈ღ，ღ◈ღ，成功解决了小数据集下材料多性能预测的技术瓶颈ღ◈ღ，为新型功能材料的高效研发提供了新思路申慱sunbet光伏发电ღ◈ღ。ღ◈ღ。

　　传统机器学习方法在材料性能预测中常受限于数据稀缺问题ღ◈ღ，尤其当目标性能样本量不足时申慱sunbetღ◈ღ，模型精度难以保证凤凰平台开户注册ღ◈ღ。针对这一挑战ღ◈ღ，团队创新性地构建了“连续迁移”学习策略ღ◈ღ。该策略首先基于海量材料的形成能数据训练高精度基础模型ღ◈ღ，再通过迁移学习依次预测材料的稳定性ღ◈ღ、带隙凤凰平台开户注册ღ◈ღ、体积模量等关键性能太阳城ღ◈ღ。当面对仅 51 条数据的剪切模量预测任务时凤凰平台开户注册ღ◈ღ，团队进一步以体积模量模型为“跳板”大阳城集团ღ◈ღ，ღ◈ღ，进行二次迁移申慱sunbetღ◈ღ，使小数据集下的预测可靠性显著提升ღ◈ღ。

　　研究团队从 1.8 万余种候选材料中申慱sunbet申慱sunbet大阳城集团娱乐游戏ღ◈ღ，快速筛选出 54 种兼具高稳定性与优异延展性的无机双钙钛矿涂层材料

　　其带隙值适配光伏应用需求ღ◈ღ，剪切模量与体积模量比值显示出高延展性ღ◈ღ，稳定性测试也验证了其潜在实用价值ღ◈ღ。这一成果不仅为钙钛矿太阳能电池ღ◈ღ、光催化等领域提供了候选材料库凤凰平台开户注册申慱sunbetღ◈ღ，更证明了迁移学习在材料多性能协同优化中的普适性ღ◈ღ，为其他材料的性能预测与优化提供了可推广的框架凤凰平台开户注册ღ◈ღ。

　　据了解ღ◈ღ，此项研究依托在该校的金属先进凝固成形及装备技术国家地方联合工程研究中心完成ღ◈ღ，是昆明理工大学在材料信息学领域的又一重要进展ღ◈ღ，为有效解决传统机器学习在数据稀缺场景下的性能瓶颈ღ◈ღ，破解“数据少ღ◈ღ、任务多”的材料研发难题提供了可推广的计算工具申博ღ◈ღ，ღ◈ღ，也为材料多性能协同优化提供了高效计算范式ღ◈ღ。