《Advanced Science》：An Integrated NLP-ML Framework for Property Prediction and Design of Steels
编辑推荐：
为加速钢铁性能预测与材料开发，研究人员提出了一种结合自然语言处理与机器学习的综合性框架，通过无监督聚类处理复杂文本描述，并结合多种监督回归模型实现性能预测，在屈服强度、抗拉强度预测上达到R2>0.85、平均绝对误差<15 MPa的精度。该研究还构建了基于云的用户交互界面，支持合金设计与可持续钢铁创新，为减少传统试错实验、推动循环经济提供了数据驱动解决方案。
在能源、交通、基础设施和可持续材料系统等领域的创新中，开发具有定制力学性能的先进钢铁至关重要。然而，传统的合金化、加工和表征的试错周期仍然缓慢、昂贵且易受人为偏见影响。与此同时，钢铁的（热）机械加工条件通常以文本形式描述，例如“13 mm圆棒，830°C油淬，540°C回火”，其多样性和复杂性使得人工解读大规模数据集几乎不可能，也阻碍了利用数据科学工具从海量文本描述中挖掘有效信息。为了应对这些挑战，并加速钢铁的发现与设计，研究人员在本研究中引入了一个数据驱动的框架，旨在通过自然语言处理与机器学习技术，实现钢铁性能的快速预测与高效探索。
本研究发表于《Advanced Science》期刊，其核心是构建一个名为“SteelsGPT”的集成框架。该框架首先利用自然语言处理对文本描述的加工条件进行语义嵌入和无监督聚类，将复杂的工艺历史归类为可解释的类别；随后，结合合金成分与工艺类别，采用多种监督机器学习模型进行性能预测。研究还开发了一个基于云端的图形用户界面，使研究人员能够输入钢铁成分和加工参数，即时获得力学性能的预测结果，从而支持合金设计和材料选择。
为开展研究，作者主要采用了以下几项关键技术方法：首先，从MatWeb和Ansys Granta EduPack等公开数据库中，整理了一个包含3234个钢铁样本、涵盖18种元素成分、（热）机械加工文本描述及力学性能（包括屈服强度、极限抗拉强度和延伸率）的数据集，并已公开访问。其次，在无监督学习阶段，对文本加工描述进行清洗后，使用SentenceTransformer的MiniLM模型将文本转化为语义向量，再通过BIRCH和凝聚聚类算法进行工艺聚类，形成了12个具有明确冶金意义的工艺类别。最后，在监督学习阶段，研究人员以合金成分和工艺类别作为特征，使用弹性网络、支持向量回归、多层感知机、随机森林和极限梯度提升等多种模型，预测力学性能，并通过交叉验证和独立的测试集评估模型表现，最终选择了表现最佳的随机森林模型。
3.1 合金工艺条件的聚类
通过名为“MiniLM + BIRCH+ Agglomerative”的混合无监督学习方法，研究成功地将3234个文本描述的加工条件聚类为12个冶金意义上可解释的类别。每个类别对应一种典型的加工路径，例如“油淬+回火高强结构钢”、“渗碳+油淬耐磨表面钢”、“热轧通用结构钢”等。聚类结果具有稳健性，轮廓系数为0.496。分析发现，不同工艺类别对应的力学性能区间存在明显差异，例如淬火回火工艺的钢材表现出最高的强度，而退火或轧制态钢材则具有更高的塑性。此外，不同类别与成分（如碳含量）也呈现一定的关联，例如某些高碳钢更倾向于出现在特定的淬火回火类别中。
3.2 合金性能的机器学习预测
研究人员测试了多种监督机器学习模型，以预测极限抗拉强度、屈服强度和延伸率。结果表明，在测试集上，随机森林模型表现最佳，预测极限抗拉强度的R2达到0.961，平均绝对误差(MAE)仅为14.698 MPa，超过了弹性网络、支持向量回归等其他模型。模型预测值与实际值的对比图显示，预测点紧密分布在基准线附近，残差集中在零点周围，表明模型具有很高的准确性且无明显偏差。
4.1 一般性讨论
通过分析合金成分与性能的相关性矩阵，研究进一步揭示了成分的影响。结果表明，碳(C)与强度指标呈最强的正相关，而铬(Cr)、钼(Mo)、镍(Ni)等元素形成“淬透性三元组”，与强度正相关；磷(P)和硫(S)则与力学性能呈负相关。然而，当单独考察单个元素含量与屈服强度的关系时，发现数据点非常分散，这表明加工工艺对最终性能具有比单一成分更强的主导控制作用。研究总结认为，加工工艺设定了性能的宏观框架，而化学成分则是在此框架内对性能进行微调。
4.2 用户工具
为了将研究成果转化为实用工具，研究人员基于Streamlit开发了一个名为“SteelsGPT”的云端交互式网站。用户可以在界面中输入合金成分、选择加工工艺类别，即可近乎实时地获得屈服强度、极限抗拉强度和延伸率的预测值。这个工具将复杂的机器学习模型转化为工程师、研究人员和学生易于访问的交互界面，支持材料选择和新合金设计。
结论与展望
本研究的结论可归纳为以下五点：第一，通过自然语言处理对钢铁加工文本进行聚类分析，证实了热历史对力学性能的决定性作用，其影响力超过了单一成分。第二，合金化学成分在每种加工制度下定义了性能的边界，碳、铬、钼、镍等元素是增强强度的关键。第三，所提出的集成框架（无监督聚类+监督机器学习）能够高效预测钢铁力学性能，其中随机森林模型表现最优，预测精度达到R2>0.85，MAE <15 MPa。第四，所开发的SteelsGPT用户交互工具，成功架起了计算材料科学与实际合金设计之间的桥梁。第五，研究指出了未来的发展方向，包括在模型中整合显微结构描述符，以及结合生成式人工智能进行逆向设计，以探索实现特定目标性能的全新成分与工艺路径。该研究不仅提供了一个经过严格验证的、可重复的数据驱动框架，还通过公开数据库和用户友好界面，为推动可持续钢铁创新、减少试错实验、加速合金设计进程做出了重要贡献。
