近日，我校资源与材料学院高秋志教授团队在高温金属结构材料氧化行为预测领域取得了重要进展，研究成果“A novel model to predict oxidation behavior of superalloys based on machine learning（基于机器学习的高温合金氧化行为预测新模型）”发表在国际著名期刊Journal of Materials Science & Technology（中科院一区，影响因子11.2）上。裴成蒿博士生为论文第一作者，高秋志教授为通讯作者，东北大学为第一完成单位。

高温金属结构材料广泛应用于航空航天、能源等领域，其优异的力学性能和抗氧化性能使其成为高温环境下的关键材料。然而，氧化行为的复杂性一直是高温金属结构材料应用中的重要挑战之一。该研究团队首次提出并建立了一种结合一维卷积神经网络（1D-CNN）和长短时记忆网络（LSTM）的混合人工智能模型用于氧化行为的预测。该模型不仅有效克服了抛物线定律的局限性，还显著增强了对各种复杂氧化机制的适应性。通过将合金成分、温度等多维特征输入模型，该模型能够准确预测不同条件下合金的氧化增重曲线，并进一步确定氧化速率常数、氧化活化能等关键动力学参数。这一创新的人工智能模型为高温金属结构材料的设计与性能优化提供了全新的工具，尤其在提高金属抗氧化性能和延长使用寿命方面具有重要的实际应用价值。

裴成蒿博士生自2023年9月起在东北大学攻读博士学位，专注于人工智能机器学习在高温金属结构材料氧化行为中的研究，以及大语言模型（LLM）在高温合金知识领域的垂直应用，目前已在Chinese Journal of Aeronautics（中科院一区，影响因子5.3）、Journal of Materials Science & Technology国际期刊上发表论文。

机器学习预测高温合金氧化行为流程示意图