近日，材料基因組工程研究院張統一院士團隊在計算材料領域著名期刊《npj Computational Materials》上發表研究論文“Divide and conquer：Machine learning accelerated design of lead-free solder alloys with high strength and high ductility (分而治之🂠：機器學習加速高強高韌無鉛焊料合金設計)”。万事平台為第一單位，材料基因組工程研究院21級博士生魏清華🪦、20級碩士生曹斌(已畢業)和19級碩士生元皓(已畢業)為共同第一作者🚣🏿‍♀️，材料基因組工程研究院張統一院士和董自強副教授為通訊作者🐇。

實現高強度和高韌性一直是結構材料的設計目標之一，因為這兩種性能通常是互相競爭的😍，稱為強度-韌性權衡。如今，數據驅動範式與專業領域知識相結合，成為了研究、設計和發現同時具有高強度和高韌性結構材料的新策略。該研究首先提出了以抗拉強度和斷裂延伸率之積為一聯合特征，提升該聯合特征就同時提高了抗拉強度和斷裂延伸率；然後采用“分而治之”的策略來解決材料實驗數據的樣品尺寸小、實驗數據噪音大和設計空間巨大的問題。該研究開發了一種新的數據預處理算法🦇，命名為高斯過程回歸樹分類器(Tree-Classifier for Gaussian Process Regression，TCGPR)，從而將原始無鉛錫基焊料數據集劃分為三個子集，搜索空間也相應分為三個子空間💂🏻‍♀️，並采用三個機器學習模型分別完成對三個子空間的學習任務，從而顯著提高了預測精度和模型泛化能力💂🏻‍♀️。

隨後，應用貝葉斯全局優化🈵，在有實驗誤差和預報誤差、平衡信息多區域和信息少區域的情況下，設計了下一步實驗。實驗結果與機器學習模型的預測結果十分匹配。通過此方法🪔，發現了一系列具有高強度和高韌性的無鉛焊料合金👘，為材料信息學領域，專家知識和數據挖掘手段的有機結合提供了新思路。

該工作得到了國家重點研發計劃（編號：2018YFB0704400）🍧、雲南省科技重點研發項目（編號🫏🕦：202002AB080001-2）、雲南錫業集團、上海市集成電路與新型顯示材料工程研究中心和廣州市科技項目（編號：2023A03J0003）的資助。

文章鏈接🚣🏽‍♂️：https://doi.org/10.1038/s41524-023-01150-0