新闻网讯 近日，我校材料国际化示范学院（微电子学院）沈忠慧教授团队在非均质材料智能设计领域再次取得新进展，相关研究成果以“Deep learning-driven intelligent mesoscopic model (DeepMeso): a case study on ferroelectrics”为题，发表于《国家科学评论》（National Science Review，NSR）。我校沈忠慧教授、清华大学沈洋教授和南策文院士为论文的共同通讯作者，唯一第一作者为我校材料与微电子学院2023级直博生刘润林。

材料研发涵盖原子、介观、宏观多级结构与性能特征，跨尺度建模难题突出。近年来，深度学习持续革新材料多尺度模拟范式，但现有智能计算方法多聚焦于原子尺度剖析或宏观连续介质仿真，缺乏衔接两类尺度的介观微结构智能建模方法。因此，构建材料介观智能设计模型，挖掘并运用成分-微结构-性能之间的内在关联，是该领域亟需攻克的关键科学问题。

针对上述问题，研究团队提出了DeepMeso，一个基于生成式深度学习的介观微结构建模与智能设计框架，可实现非均质材料的性能预测和按需逆向设计（如图1所示）。本工作以铁电材料为例，建立了一种可泛化的介观智能设计范式，为复杂异质材料的按需设计提供了新的思路。未来，DeepMeso框架有望扩展至更多具有跨尺度结构特征的材料体系，如介电、压电、热电和磁电耦合的非均质材料体系等，从而进一步加深对成分-微结构-性能跨尺度机制的理解，推动材料设计向数智驱动、目标导向的逆向设计模式转变。

图1 DeepMeso介观智能设计框架。（a）材料跨尺度设计路线；（b）DeepMeso的功能示意图；（c）DeepMeso的技术路线图。

   论文链接：https://doi.org/10.1093/nsr/nwag324  

文/图：刘润林、沈忠慧；编辑：曹明；审核：严岿