研究突破 - 昆明理工大学材料科学与工程学院团队提出连续迁移机器学习框架 成功解决小数据集下材料多性能预测技术瓶颈 [1] - 该框架基于海量材料形成能数据训练基础模型 通过迁移学习依次预测材料稳定性、带隙、体积模量等关键性能 [1] - 在仅51条数据的剪切模量预测任务中 通过二次迁移使小数据集预测可靠性显著提升 [1] 应用成果 - 从18000余种候选材料中快速筛选出54种兼具高稳定性与优异延展性的无机双钙钛矿涂层材料 [2] - 六氟合铱酸铯铜材料表现突出 带隙值适配光伏应用 剪切模量与体积模量比值显示高延展性 [2] - 研究成果为钙钛矿太阳能电池和光催化领域提供候选材料库 [2] 技术价值 - 迁移学习框架为材料多性能协同优化提供普适性解决方案 破解数据少任务多的材料研发难题 [2] - 该成果是昆明理工大学在材料信息学领域的重要进展 依托金属先进凝固成形及装备技术国家地方联合工程研究中心完成 [2]