材料的制造过程复杂，费时且昂贵。一种材料太多或太少都会导致产品出现问题，从而迫使设计过程重新开始。需要改进设计过程以减少生产具有目标特性的材料的成本和时间。

由国家科学基金会(NSF)资助的德克萨斯A&M大学的研究人员正在使用先进的计算和机器学习技术来创建一个能够优化材料开发过程，减少时间和成本的框架。

J. Mike Walker '66机械工程系副教授Douglas Allaire博士说：“我们的总体重点是通过考虑过程-结构-属性关系来生产具有目标特性的材料，从而进行材料设计。” “在我们的工作中，我们展示了一种具有微结构敏感性的合金设计，该设计具有能够利用多种信息源的贝叶斯优化框架。”

基于贝叶斯优化的框架使用先验知识作为模型来预测结果。过去，研究人员一直将此框架与单个信息源(模拟或实验)关联使用。如果该方法失败，则该过程将重新开始，希望基于此模型进行正确的调整。

研究人员拒绝了这一观点，而是相信可以使用贝叶斯框架来获取许多信息源，从而对底层过程进行更全面的描述。他们结合了多个信息源，通过查看整个数据而不是部分数据来更有效地创建具有目标特性的材料。

材料科学与工程系教授RaymundoArróyave博士说：“我们认为有很大不同，那就是您可以拥有许多不同的潜在模型或信息源。” “有多种方法可以通过实验或模拟来理解/建模材料的行为。我们的想法是将所有这些不同的模型组合成一个单一的'融合'模型，该模型融合了所有其他模型的优势，同时降低了它们的强度。个人弱点。”

他们的研究标题为“通过多信息源融合在材料设计中有效利用过程-结构-性能之间的关系”，最近在Vol。Acta Materialia杂志第26期。

Allaire说：“这些模型链历来没有考虑可用信息来源的广度。” “他们考虑从流程，结构到属性的整个链上的单个模型。因此，它们的效率或准确性不尽如人意。”

研究人员目前正在通过开发通常用于汽车车架的双相钢来测试该框架。双相钢由具有非常不同和互补性质的两相制成。

“有两个阶段;马氏体阶段使这种特殊的钢非常坚固，”Arróyave说。“铁素体相较软，使钢更易变形且易于变形。只有马氏体组织，这些材料才坚固，但很容易破裂。但是，如果将马氏体的强度与铁素体的延展性结合起来，则可以这种钢非常坚固，可以在撞击过程中吸收能量，并且可以制成复杂的形状，例如车架。”

使用本文中开发的方法，目标是开发一个框架，该框架可以更准确有效地预测特定设计所需的组成和处理(配方)。反过来，这减少了所需的仿真和实验次数，从而大大降低了成本。

材料科学与工程系助理教授Ankit Srivastava博士说：“通过我们的框架，我们从整体上获得的有关材料设计过程的知识远大于从单个模型或实验技术中提取的所有信息的总和。” 。“该框架使研究人员可以随时随地进行有效学习，因为该框架不仅可以收集和融合来自多个模型/实验的信息，还可以告诉他们哪个信息源，即特定的模型或实验为他们的金钱或时间提供了最佳价值。 ，这确实可以增强决策过程。”

将来，他们希望在尝试涉及集成计算材料设计的任务时可以广泛使用其框架。

Allaire说：“我们希望通过展示这些基于模型融合的贝叶斯优化功能，使新材料的搜索过程更加高效和准确。” “我们希望任何研究人员使用他们可用的模型，而不必担心如何将模型集成到自己的建模链中，因为我们的贝叶斯优化框架会为他们处理这种集成。”