基于可解释机器学习模型的钛合金智能设计方法研究（指南代码61429022403）

1.研究目标：
钛合金作为重要的结构材料在降低军用飞机的结构质量系数,提高装甲防护性能等方面具有关键作用，基于数据驱动加速材料设计，推动装备更新换代逐渐成为有效方案。面向以机器学习技术为代表的材料智能设计方法鲁棒性差、可解释性差、对数据依赖性强等问题，开展材料高维数据特征工程方法研究、探索材料数据复杂映射关系的可视化挖掘方法，建立高精度、可解释的钛合金性能预测模型，识别钛合金数据的因果关系与决策过程，揭示钛合金成分-工艺-组织-性能的构效关系，实现新型钛合金的智能化设计。
2.研究内容：
（1）钛合金成分、工艺、组织、性能多模态数据治理方法研究；
（2）基于集成算法的钛合金性能预测模型建立；
（3）基于可解释算法的钛合金显性构效关系挖掘研究；
（4）多目标性能的钛合金智能设计方法研究。
3.技术指标：
（1）模型对钛合金力学性能的预测准确度≥90%（强度、塑性等）；
（2）设计得到室温抗压强度不低于1400MPa，失效应变不低于0.10的新型钛合金材料。
4.成果形式：
（1）钛合金材料样品；
（2）工作总结报告、技术总结报告、专题研究报告、测试报告等；
（3）论文、专利、软著、标准等。