材料基因组 (MG)和集成计算材料工程 (ICME)在世界范围内越来越受到科学和工程领域的认可和接受，它们整合了材料制备、表征、智能数据库和制造过程模拟等多种研究方法以材料设计为目标。对于材料的设计和优化，组成-微观结构-性能关系的建立是关键因素。基于成分、工艺和微观结构的机械性能定量评估和预测对于精确定制金属材料的微观结构和机械性能至关重要。建立成分-微观结构-性能关系是材料科学中一个长期存在的课题，但无论是连续介质力学方法还是机器学习方法都没有建立一个通用模型来涵盖金属材料的广泛应力-应变关系，并且，特别是对于具有复杂微观结构的钢。

来自东北大学的学者开发了一个处理多模式数据库（包括成分和多源微观结构图像）的深度学习框架，用于预测双相钢的拉伸性能。该模型能够实现多模态数据的耦合分析，具有良好的通用性。此外，多源微结构信息的整合显着使模型能够兼容多种机制，并在大应力-应变范围内实现准确预测。最后，在所提出的框架中应用的反向可视化加深了对不同相形态下应变分布的机制理解，极大地提高了深度学习模型的可解释性。该框架为复杂钢系统中成分微观结构-性能关系的预测提供了有用的指导，并可能应用于其他合金。相关文章以“Building a quantitative composition-microstructure-property relationship of dual-phase steels via multimodal data mining”标题发表在Acta Materialia。

图 1. DP 钢的加工路线、显微组织、拉伸性能和马氏体体积分数分布。(a) Q-IA、(c) IA 和(e) AIA 的加工路线。(b) Q-IA、(d) IA 和 (f) A-IA 样品的微观结构。马氏体体积分数与 (g) 屈服强度 (YS)、(h) UTS、(i) UEL 和 (j) 总伸长率 (TEL) 的散点图

图 2. 基于多模态 DP 钢数据库的拉伸性能预测 DL 框架

图 3. CNN-DP 模型对测试集的预测。(a) UTS，(b) UEL。

图 4. (a) DP-1Mn-IA-815?C 样品的 BC 图像。(b) UTS 和 UEL 在 DP-1Mn-IA-815?C 样品下的验证结果。（~：预测值与实验值之差）。(c) DP-2Mn-IA-815℃样品的 BC 图像。(d) UTS 和UEL 在 DP-2Mn-IA-815?C 样品下的验证结果。

图 5. UTS 和 UEL 的可视化结果。(a) DP-1Mn-A-IA-810℃、(b) DP-1Mn-IA-825℃ 和 (c) DP-1Mn-A-IA-810℃ 的 BC 图像。(d) DP1Mn-A-IA-810?C 的 UTS 叠加图像。(e) DP-1Mn-IA-825℃ 和 (f) DP-1Mn-A-IA-810℃ 的 UEL 堆叠图像

图 6. (a) 不同来源微观结构图像的预测结果比较。(b) DP-1Mn-A-IA-810℃ 和 (c) DP-3Mn-IA-825℃ 样品的 BC 图像。(d) DP-1Mn-A-IA-810℃ 和 (e) DP-3Mn-IA-825℃ 样品的 KAM 图像。(f) DP-1Mn-A-IA-810℃ 和 (g) DP-3Mn-IA825℃ 样品的相位图像。

图 7. (a) 有源图像与 BC 图像的预测，(b) 三成分系统与单一成分系统的预测。

图 8 不同多模态数据耦合分析方法框架。(a) 多模态耦合法，(b) FC层拼接神经元法

图 9. 不同 ML 方法之间的比较。(a) 传统统计学习方法 vs 多模态耦合方法，(b) FC 层拼接神经元方法 vs 多模态耦合方法。

图 10. (a) UTS 预测平均场力学模型的结果。(b) UEL 预测平均场力学模型的结果。(c) 多模态模型的UTS预测结果。(d) 多模态模型的UEL预测结果

在这项工作中提出了一种多模态深度学习框架来预测 DP 钢的拉伸性能。在大范围的应力应变值下，仅使用一组固定参数，在多成分和多工艺路线下成功建立了成分-微观结构-性能关系。成分(Mn含量)和显微组织信息(EBSD图像)的耦合输入，实现了DP钢拉伸性能的准确预测。所提出的多模态方法打破了传统的ML策略，独立分析各种形式的数据，形成了多模态融合数据挖掘系统。

多源显微结构图像显示出对拉伸性能预测的重要贡献。该模型在不同的机制下自动识别每个图像的重要性。与单源和双源输入相比，三源输入显示出更高的准确性，这反映了多源信息整合的必要性。建立了通用的DP钢拉伸性能预测框架，可以忽略复杂机制的影响，参数在UTS(600-1300 MPa)和UEL(220%)的中锰钢体系下唯一固定。可视化技术深化了应变集中在块状形貌的马氏体相和细小等轴形貌的马氏体和铁素体相的传统物理冶金机理。具有研究未知机理，促进合金研发的潜力。