一种基于“成分与过程感知”深度学习预测镁合金第二相的方法

一种基于“成分与过程感知”深度学习预测镁合金第二相的方法，属于材料科学与人工智能技术领域。首先，将合金成分的数值数据转化为自然语言描述，并结合加工工艺条件，生成复合输入特征。随后，采用预训练生成模型并对其进行微调，使其适应多标签分类任务，能够高精度地预测镁合金中的多种第二相。该方法显著提高了对复杂多相镁合金体系的预测准确性，加速了新型高性能镁合金的研发与应用。