本发明涉及新材料研发与人工智能交叉技术领域,尤其为一种基于人工智能的新材料性能预测方法及系统,方法先获取目标新材料的成分结构及微观组织多源异构数据,经预训练的多模态特征编码器完成跨模态特征对齐与融合,生成材料融合特征表示;将融合特征加载至物理知识增强的图神经网络模型,迭代更新生成富含物理语义的材料深度特征编码,通过多任务性能预测器并行得到多目标性能初始预测值并捕获模型认知不确定性。本发明基于不确定性完成可信度评估,对低置信度样本触发主动学习反馈机制迭代优化模型,有效提升新材料性能预测的精度与可靠性,可大幅缩短研发周期,降低研发试错成本。
📄 2026104074187
📂 G16C60_00
👤 龙岩学院
📅 2026-03-31