2025.12.31

智能解析材料科技论文，精准提取并关联材料成分、制备工艺、性能指标等关键要素，自动构建结构化数据集并可视化呈现，可深入分析多源数据差异，助您高效把握材料性能研究的核心数据脉络！软件详细使用方法请查看详细说明。

查看详情

2025.12.19

材料性能机理分析系统，服务材料研发领域，助力科研人员深入阐明材料中元素对性能影响的复杂机理。系统融合相关性筛选、递归消除和穷举筛选方法，高效过滤冗余信息、对性能贡献较小特征量，筛选出影响性能的关键特征量。操作人员仅需提供元素与性能表格，即可快速筛选出影响合金性能的关键合金因子。

查看详情

2025.12.19

云智材料机器学习平台是积木式组件化低代码工具，核心价值为降低数据分析门槛、提升工作效率。平台以拖拽式分析工作流为核心，封装 12 大类 128 种算子组件，覆盖数据处理与机器学习全关键环节。平台集成 AI 智能问答，支持本地文本向量模型及 OpenAI 兼容接口，满足多样化需求。作为新材料大数据中心在线开发模块的核心支撑，它提供底层技术与工具能力，助力用户结合权威数据与自有数据，高效完成材料性能预测、成分设计等任务。

查看详情

2025.12.19

面向材料性能需求的MLDS 01材料逆向设计系统，为材料研发领域中，多目标性能难以同步提升的痛点问题，提供高效解决方案。 基于内置的成分-工艺与性能间的内禀关系模型，操作人员仅需简单地提出所需的目标性能，即可快速生成满足多目标性能的成分-工艺设计方案。

查看详情

2025.12.19

该自适应迭代设计策略，包含模型训练，模型预测，实验设计及实验反馈四个过程。图示的2个平行迭代回路，可用于对比验证材料知识或其它要素融入对迭代设计效率的影响。

查看详情

2025.12.19

在本研究中，我们提出了一个利用遗传算法从大量组合寻优空间中快速选择机器学习模型和材料描述符的普适算法，并证明了它对高熵合金相形成问题的有效性。

查看详情

2025.12.19

量纲同步计算（Dimension-synchronous-computation symbolic learning）的符号学习模型是在传统的符号学习的基础上，通过加入单位计算功能模块，并改进了底层的遗传编程GP为GVP, 使符号学习具有了单位计算和向量计算的双重功能。

查看详情

2024.04.10

北京科技大学联合阿里云，发布钢铁材料设计大模型,打通“成分-工艺-性能”一体化设计，实现全栈式AI驱动材料研发。深度萃取10万+篇权威钢铁科技文献数据，建成权威数据库。同时，基于百万级材料语料构建钢铁知识专用编码器SteelBERT，实现钢铁知识精准表示与权威知识问答。基于SteelBERT构建钢铁力学和腐蚀性能高精度预测模型。自研文献抽取引擎，批量智能提取文献专利多维结构化信息自研文献抽取引擎，批量智能提取文献专利

查看详情