材料逆向设计系统

面向材料性能需求的材料逆向设计系统MLDS，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。

北京云智材料大数据研究院 北京科技大学2025.04.03

面向性能要求的自适应迭代快速材料设计策略

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。

北京科技大学2024.11.21

基于大语言模型的钢铁性能预测

SteelScientist 是一种基于大型语言模型的可靠人工智能专家，代表了从材料文本到性能的端到端流程，能够高精度地定量预测机械性能，包括屈服强度（YS）、抗拉强度（UTS）和总延伸率（EL），同时支持新型钢材的探索。该流程包括一个名为 SteelBERT 的材料语言编码器，该编码器在包含 420 万篇材料科学相关摘要和 55,000 篇钢铁文献全文的综合语料库上进行了预训练，并结合了一个多模态深度学习框架，将复杂制造过程的成分和文本序列映射到机械性能。该模型在机械性能预测的测试数据上实现了约 80% 的 R2 分数。

北京科技大学2024.11.21

基于遗传算法的材料描述符和机器学习模型组合筛选框架

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。

北京科技大学2024.11.21

量纲同步计算的符号学习模型

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。c

北京科技大学2024.11.21

材料文献数据自动抽取流水线

SuperalloyDigger 是一个包含自然语言处理（NLP）流程的工具包，能够从科学文献中自动挖掘超级合金的性能数据。该流程可以自动归档文献、识别合金命名实体、提取关系，并最终生成一个结构化数据库。

北京科技大学2024.11.21

材料显微图像智能分析平台

WisdomStore是一个支持本地离线部署使用的零代码一站式图像智能分析平台，可在本地环境下进行图像数据标注、智能模型训练、智能模型推理等识别结果统计表征。相比于领域内常用的云计算智能分析平台，本软件支持用户在本地创建人工智能模型，可保护数据安全不泄露。目前图像标注功能已包括：框形标注、涂鸦标注、多边形标注（包括弧度）、智能标注（魔术棒点击、画框式标注）。目前模型训练和推理功能已包括：目标检测、图像分割、实例分割。平台主要面向三类人员需求：1.材料科学、生物信息学等领域的科研人员进行图像智能分析；2.机器视觉从业人员自主创建智能模型，并进行实际业务场景的模型部署；3.数据标注从业人员利用本工具可快速提高数据标注速度。

北京科技大学2024.11.21

材料显微图像拼接软件

MicroStitch软件可实现微观图像数据的高速、自动和精准拼接。即通过集成最先进的图像特征提取和匹配技术，融合GPU加速和多进程加速方法，能够对任意数量输入、任意拍摄顺序的序列图像自动化快速地计算图像间的位移关系，并利用图像融合方法生成高质量高分辨的全景图像。

北京科技大学2024.11.21