深度学习预测异质结构金属材料力学性能

冒新国①②，翟庆华①②，刘榆③④，王辉③④，张宝①②，陈旋①②（①江东金具设备有限公司；②江苏中天科技股份有限公司；③南通大学机械工程学院；④伍伦贡大学工学院）

摘要：针对异质结构金属材料（heterostructured metallic materials, HMMs）设计中强度-韧性倒置关系难题，文章提出一种融合深度学习与多目标进化算法的智能设计框架，即基于微观结构参数与力学响应的复杂映射关系，构建了结合双向长短期记忆网络（bidirectional long short-term memory, Bi-LSTM）、注意力机制与物理约束的混合神经网络模型。通过有限元模拟数据集训练验证，该模型对极限抗拉强度（ultimate tensile strength, UTS）和韧性的预测决定系数R2 分别为0.896 6 和0.967 2。进一步集成非支配排序遗传算法（non-dominated sorting genetic algorithm II, NSGA-II），建立了以微观结构参数为变量的多目标优化框架。研究结果表明，该模型可切实捕捉微观结构与性能的映射关系，为异质结构金属材料的智能预测找到了新途径。

关键词：异质结构金属材料；深度学习；LSTM；NSGA-II；性能预测