多模态 AI 揭秘形状记忆合金失效微观机制
bravo_abad · x · 2026-09-01
NiTi 形状记忆合金在反复加载后会逐渐失去恢复原始形状的能力，其背后的微观机制一直难以厘清。
Yuejie Hu 等人提出了一种可解释的多模态学习框架，将晶体取向图、相与位错密度成像、纳米析出相信息及加载条件进行融合。该模型未简单堆砌数据，而是分别处理不同测量数据后对其表征进行对齐与融合，最终达到了 R²=0.981 的高拟合度。
模型解释揭示了一个实验中难以连续解析的结论：材料失效的机制随其应变程度的不同而变化。在低应变水平下，失效主要由……（原文截断）。
「研究」频道最新
- AI 研究新范式：用测试算力决定跑哪个实验 — anirudhg9119 · 2026-09-01
- RPM 搜索刷新两项基准,验证选择质量随算力扩展 — anirudhg9119 · 2026-09-01
- 研究偏好模型：冻结LLM对候选方案排序省算力 — anirudhg9119 · 2026-09-01
- 把分数预测变偏好排序：AI 科研的算力选择难题 — anirudhg9119 · 2026-09-01
- AI研究代理面临瓶颈：想法生成快但算力跟不上 — anirudhg9119 · 2026-09-01
- 论文：AI研究偏好模型解决算力筛选难题 — anirudhg9119 · 2026-09-01