摘要：以MySQL Workbench 8.0为数据库平台,采用三层浏览器/服务器架构,利用PyCharm 2022开发了一套基于Web界面和机器学习技术的C/SiC复合材料数据库系统,该系统包括材料数据库和机器学习模型2部分,具有对材料组分结构、制备工艺、试验性能等材料研发各阶段的信息查询、添加、修改、删除、搜索以及支持信息管理、设计分析视图、案例推理辅助设计、用户与系统管理等功能。基于神经网络回归算法训练机器学习模型,利用材料微观结构参数预测材料力学性能,对不同微观结构参数的影响权重进行评价,并部署在系统平台中;通过Web用户界面调用机器学习模型,对预留的验证集数据进行拉伸模量和弯曲模量预测。结果表明:机器学习模型预测材料力学性能的精度达到95%左右,训练出来的预测模型具有良好的精度与泛化能力。

摘要：材料参数是热处理工艺模拟中至关重要的数据支撑,但目前国内相关的材料数据库十分缺乏,少数现有数据库存在数据准确性低、完整性差、无法共享等问题,且仅通过化学成分区分材料,无法应对热处理工艺模拟对参数的需求。为此,设计出以化学成分与微观组织为主的数据结构体,自主开发了一款在线的专用材料数据库。该数据库针对热处理工艺模拟所需的材料参数特性,优化设计了数据存储结构。采用B/S架构设计实现了数据共享,同时提高了数据使用便捷性。另外,该数据库通过采用数据挖掘技术,引入了多元线性回归、贝叶斯线性回归、决策树和随机森林4种机器学习算法,建立了一种创新的数据提取机制。可通过对现有数据的应用分析确定有效的数据提取策略,进而获取当前所需的实际数据,初步解决了当前普遍存在的数据缺失问题,有力支撑了热处理工艺模拟的开展。

摘要：数据库作为材料基因工程的三大重点研究领域之一,对材料的加速设计有重要的作用和意义。从20世纪70年代起材料数据库开始在国内外逐步发展,到目前为止各国都已形成了一定数量的离线和在线数据库。早期材料数据库的基本功能是数据存储、数据管理以及数据检索服务。随着材料基因工程理念的提出,材料数据库开始关注发展数据共享、数据自动收集和输出等系列新功能。通过在线集成计算软件或程序、数据分析工具已逐步建立了一些基于数据库的材料智能设计平台。数据挖掘不考虑复杂的物理和化学意义,而是直接从材料数据库中挖掘出有价值的知识或模式的过程,它能够充分发挥材料数据库甚至小数据量在材料设计中的作用。目前已经被广泛应用到材料性能预测和优化、缺陷质量预测和生产监控、微观组织识别等相关领域。未来,材料数据库和数据挖掘技术将更加紧密地结合,协同向材料集成计算和智能设计的需求方向发展。

摘要：介绍了材料数据库的基本特点及设计的一般过程与思路,并以此为依据,从系统的用户需求分析着手,预定了数据库的功能,然后进行了概念结构、逻辑结构、物理结构的设计,开发了耐磨料磨损材料数据库.进一步地,总结了该数据库的特点,展示了该数据库的开发实现界面,为本领域材料数据库的相继开发与建立提供极具价值的参考.

摘要：本文结合具体实例阐明了材料数据库在工程设计选材和新材料研究中的作用;对自1966年国际科技数据委员会成立以来数据库活动特别是材料数据库活动进行了概述;对数据库的发展方向提出了自己的看法。

摘要：在线材料数据库是现代信息技术背景下产生的获取信息的新模式,在新材料设计、材料选择、决策咨询等方面应用广泛。能够及时掌握在线材料数据库新动态,准确、高效利用在线材料数据库进行科学研究与工程应用研究尤为重要。本文介绍了在线材料数据库的最新进展,并以NIMS和MatWeb国际著名在线材料数据库为例,从数据服务内容、检索功能、检索结果的处理等方面进行分析与对比,以期对科研人员准确选择以及高效利用在线材料数据库提供帮助。未来在线材料数据库的发展趋势为:Web集成一站式服务,数据类型更多、数据规模更大、数据更规范,基于数据库的衍生信息服务更完善。

摘要：材料的各种基本性能和使用性能既是材料研究的主要指标,又是发动机结构设计、强度计算、寿命预测和结构安全评定的前提条件,而材料数据库及相关信息技术则是更有效利用这些数据的关键。对材料数据资源归口管理,建立高水平的材料数据库,实现材料数据的资源共享,将助力提高航空发动机的研发效率。

摘要：依据核电工程材料数据库的设计，确定库结构，建立基表，用生命周期法和快速原型法和相结合的软件开发方法。实现了数据库系统的各个功能，并采取了多种办法，保证数据的可靠性，让用户使用较方便。

摘要：航空工业中,材料性能及相关数据作为飞机结构设计和产品研制的重要基础,在结构分析、强度计算、材料研制加工、产品设计、结构选材和失效分析等方面有大量应用。材料数据库及相关信息技术则是有效利用这一资源的关键和基础。然而商业材料数据库数据不完善,缺乏和工程分析的专业性结合,并且维护成本过高。因此,针对结构强度分析流程,采用面向对象的程序设计思想和SQLite数据库技术,完成了轻量级工程材料库的设计与开发,并实现了与HAJIF软件的无缝集成。既验证了数据库的可行性,又为实际工程应用提供了方便。

摘要：高通量计算与材料数据库推动了数据驱动的机器学习方法的发展.机器学习已经成为材料计算研究的重要方法,在分析材料数据、加速材料计算、预测材料性质、推进新材料发现、筛选和设计等方面展现出极大的潜力.众多与材料计算相交叉的机器学习方法、模型以及框架不断涌现.本文综述了近年来光电半导体材料计算设计领域内机器学习方法的最新进展与应用.介绍了机器学习的流程与类型,基于不同材料表示方法的浅层模型、集成模型和深度神经网络,以及相关材料数据库和相关工具.我们还讨论了这些模型在预测材料稳定性与光电性质、材料逆向设计、构建材料构效关系等方面的应用.最后,本文对目前机器学习方法存在的机遇与挑战,即数据数量与质量、材料的表示、材料逆向设计做了进一步总结与讨论.