研究进展 | 课题组本科生在Thin-Walled Structures发表综述论文
- 发布时间：
- 2025-04-10
- 文章标题：
- 研究进展 | 课题组本科生在Thin-Walled Structures发表综述论文
- 内容：
全文速递
近日，西安交通大学航天航空学院刘益伦教授团队在国际知名期刊《Thin-Walled Structures》发表了一篇关于《Recent advances in machine learning guided mechanical properties prediction and design of two-dimensional materials》的综述论文。该综述讨论了基于机器学习（ML）方法、结合二维材料结构特征、缺陷特性、外部载荷条件和环境等因素对典型和新型二维材料的断裂强度、弹性模量和泊松比等关键力学特征预测，并剖析了基于机器学习的裂纹扩展和断裂机制。研究表明基于高通量筛选、逆向设计和、模型+数据的智能设计手段，可加速特定力学性能的二维材料的发现和设计。最后，该综述展望了通用描述符和机器学习势函数开发、数智多场耦合分析、实验+理论+模拟数据集成、可解释性模型、和高性能二维材料筛选和设计的研究前景。
图1. 综述框架概述
内容概述
1. 二维材料力学机器学习势函数（MLP）
传统方法如DFT虽精度高但计算量大，而经验势函数模型虽然高效但精度不足。MLP通过机器学习方法结合两者优点，能以较高精度和效率模拟二维材料力学行为。该综述介绍了NEP、GAP、DeePMD及MTP等多种主流MLP模型，并展示了它们在石墨烯、COF、MoS₂/WS₂异质结构、N-GDY等不同材料系统中的应用，在预测应力-应变关系、弹性模量和断裂行为等方面具有出色的表现（图2）。除了以上基于L-MLIP方法的实例，该综述还讨论了基于图神经网络的G-MLIP方法（如NequIP、M3GNet等）在复杂多元素体系中具有巨大的发展潜力，强调了MLP和MLFF在构建高精度势能面和模拟复杂功能二维材料中的重要作用。
图2. 高精度原子间作用势的开发
2. 基于机器学习的二维材料力学性能预测
与传统依赖单一变量的方法不同，机器学习方法能够综合考虑化学成分、结构缺陷、温度、应变等多种因素，可准确预测材料的弹性、强度等关键力学性能。该综述中列举了线性回归、SVM、CNN、XGBoost等多种前沿机器学习研究方法在预测石墨烯、TMD、MXenes等二维材料中的应用（图3）。此外，机器学习能与实验结合探索二维材料结构与缺陷演化过程。 最后，该综述指出不同模型在精度与计算成本间存在权衡，强调需根据具体需求选择合适的机器学习策略，实现精度、效率与资源消耗之间的平衡。
图3. 基于机器学习的二维材料力学性能预测
3. 机器学习预测二维材料断裂行为
该综述探讨了二维材料中裂纹萌生与扩展的机制及其预测方法，揭示了裂纹扩展行为对材料强度与韧性的影响机制。传统力学模型难以准确捕捉应力场、温度、缺陷等因素的复杂耦合作用，而机器学习方法在裂纹预测中表现出显著优势。基于深度学习（如GAN、CNN、ConvLSTM、Bi-RNN）和遗传算法的模型，可从原子结构、应力场等多维数据中提取关键特征，实现裂纹起始位置、扩展路径和断裂模式的高精度预测（图4）。
图4. 二维材料断裂行为时序预测
4. 二维材料高通量筛选及逆向设计
该综述阐述了二维材料的筛选与逆向设计策略，涵盖从高通量计算筛选、生成模型设计，到模型与数据结合的智能设计方法。高通量实验与计算融合机器学习方法显著提升了极限性能二维材料的筛选效率。此外，基于生成对抗网络（GAN）、变分自编码器（VAE）、可逆神经网络（INN）等逆向设计方法可根据目标性能（如带隙、泊松比）生成对应结构，解决了传统设计方法效率低、泛化差等问题（图5）。通过引入物理模型与描述符，结合符号回归和数据驱动方法，可实现二维材料性能高精度预测和定制，为该材料的智能化设计提供了有效路径。
图5. 二维材料结构-性能逆向设计
5. 未来展望
最后，该综述总结了目前研究面临数据不足、模型泛化能力差等挑战，展望了构建通用描述符、集成多源数据、发展可解释性模型及多场耦合分析方法的潜力。此外，新兴机器学习技术（如去噪扩散模型、迁移学习、自监督学习）也将显著推动高性能二维材料的发现与优化。
原文链接
https://www.sciencedirect.com/science/article/pii/S0263823125003556
关于作者
论文的第一作者为已保研至本课题组的大四本科生刘润楷，通讯作者是本课题组的覃华松副教授和刘益伦教授。该工作得到了国家重点研发计划、国家自然科学基金、陕西省科协青年人才计划和陕西省科研计划等资助。西安交通大学航天航空学院刘益伦教授团队长期招收研究生、博士和博士后，并诚邀国内外优秀青年教师加入团队共同进步，欢迎有意者联系。
第一作者经历和感悟
自2024年04月与覃华松老师和刘益伦老师确立双选意向以来，我在两位老师的系统指导下，以本综述论文撰写为起点开启了基于机器学习的先进材料和结构多尺度失效机理和强韧化设计研究，并在2024年9月成功预保研（2025.09入学）进入课题组。面对海量文献与全新的研究方向，初期虽存在知识框架构建的困难，但通过老师们“问题导向式”的指导，我逐步掌握了高效的科研方法，建立起对人工智能融合先进材料-结构-功能一体化分析的系统认知。在持续数月的文献研读、逻辑梳理与十余次迭代修改中，我逐渐领悟到科研工作的价值既在于对现有成果的系统整合，更在于发现知识边界创新的 无限可能。这段综述撰写和毕设经历不仅培养了我的学术思维，期间的挫折与突破更让我磨砺了自身的韧性与潜力。