德国马克斯·普朗克研究所将自然语言处理与深度神经网络相结合，开发出一种过程感知神经网络模型，能够同时促进数字与文本数据的训练，增强耐腐蚀合金设计的机器学习能力。除了数字输入训练之外，过程感知神经网络模型能够接受与合金加工历史和电化学测试方法有关的文本输入，点蚀电位预测准确性优于简单神经网络模型，能够更准确地识别给定电化学环境中合金元素对耐点蚀性能的贡献。此外，该模型还将合金的输入成分转换为基于元素物理/化学性质的合金描述符，有效识别构型熵、原子堆积效率、元素之间局部电负性差和原子半径差等提供耐点蚀性能的关键参数。