多孔合金材料模型

多孔合金材料模型由之江实验室和浙大城市学院联合研发，建立了百万级孔结构-力学性能数据库，实现了孔结构秒级性能预测和逆向生成，以“人工智能+新材料”赋能多孔材料智构。高效解析用户需求，智能调度多工具，实现胞元快速寻优与秒级生成，同步输出定制化智构报告，大幅缩短研发周期。

之江实验室 浙大城市学院2025.11.14

MLDS02材料性能机理分析系统

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。

北京云智材料大数据研究院 北京科技大学2025.11.14

云智材料机器学习平台（企业版）

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。

北京云智材料大数据研究院 北京科技大学2025.10.20

MLDS01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。

北京科技大学2025.05.06

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。

北京科技大学敬请期待

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。

北京科技大学敬请期待

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

北京科技大学敬请期待

钢铁材料设计大模型SteelScientist

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多维结构化信息。

北京科技大学 阿里云2024.11.17