学习用于复合材料设计的序数感知多模态表示方法

《Nature Communications》：Learning ordinality-aware multimodal representations for composite materials design

　　

摘要

复合材料的设计需要理解其复杂的微观结构特性，这要求将不同的数据源与人工智能技术相结合。目前的多模态学习框架大多是为具有明确结构-性能对应关系和清晰结构图的晶体或聚合物系统开发的，而在数据匮乏的情况下无法对连续且非线性的复合材料设计空间进行建模。在此，我们提出在构建复合材料的多模态表示时以序性作为核心原则。我们设计了基于序性感知的图像-表格对齐方法（ORDER），该方法可将微观结构与表格形式的材料描述信息相结合，并利用基于物理的替代信号来避免对所有性能参数的详细标注。ORDER确保具有相似目标性能的样本在潜在空间中处于相近位置，从而保持复合材料性能的连续性，并使得在观测数据较少的情况下也能进行有意义的插值预测。在纳米纤维和碳纤维复合材料数据集上的测试表明，ORDER在性能预测、跨模态检索以及微观结构生成任务中的表现均优于其他基于对齐或性能感知的基准方法。