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。

MLDS02材料性能机理分析系统可以通过样本数据导入、特征选取与因子计算、关键因子筛选、重要性分析四个步骤进行材料性能机理分析。以下是系统的功能操作步骤：

从首页登录进入产品主页

第一步：点击创建金属材料机理分析的前往创建按钮，进入数据样本导入页面，填写任务名称，选择数据来源（软件样例数据、用户自有数据、用户上传数据、平台在线数据、平台融合数据）。

第二步：影响合金不同性能的特征参量种类繁多，系统集成69种基本物理化学特征参量，同时增加了面向电性能、耐蚀性能、光热性能、磁性能的专题特征参量，用户可根据需求增选对应的专题特征参量，并根据选择的合适的计算方法生成合金因子计算结果。

第三步：根据生成的合金因子计算结果，通过相关性筛选、递归消除、穷举法筛选，得到最终影响性能的关键合金因子。

相关性筛选：生成相关性特征热图，帮助用户查看因子影响相关性情况。可以选择相关系数阈值，进行筛选。

递归消除：依次取出n个合金因子中的一个，用其余n-1个合金因子进行建模，得到n个模型误差，去除模型误差中最小误差对应的被取出合金因子，用其余剩下的n-1个合金因子进行后续递归消除，得到主要合金因子。

穷举法筛选：用递归消除后的合金因子的各种组合为输入，目标性能为输出再次建模，比较误差大小，最终筛选出来关键合金因子。

第四步：根据关键合金因子进行重要性分析，得出各因子对性能影响程度，明确成分对性影响的深层机理。

本数据产品基于以下研究成果开发：

H. Zhang, H. Fu, X. He, C. Wang, L. Jiang, L. Chen, J. Xie. Dramatically Enhanced Combination of Ultimate Tensile Strength and Electric Conductivity of Alloys via Machine Learning Screening[J]. Acta Materialia, 2020, 200803-810.

原文链接：

https://linkinghub.elsevier.com/retrieve/pii/S135964542030762X