我看谁再说材料专业是天坑

生化环材，网络戏称四大天坑，排名分先后。

材料专业，天坑中的天坑。

材料的坑这么深，是因为不重要吗？

恰恰相反，从社会到学校都在强调材料的战略性、基础性核心地位。

连材料专业的学生在找工作之前也会挺起胸膛地说：没有高温合金，发动机怎么转？没有钛合金，手机如何又轻又结实？没有碳纤维，你哪来这么轻的鱼竿？

材料之坑，坑在其学习难度大，坑在其工作环境差，坑在其研发周期长，坑在其转行门槛高。

不说了，怕部分读者看了破防。

但是在迎面扑来的人工智能时代，材料的深坑将迎来曙光，甚至有望被填平一部分。

我们刚做了一个机器学习辅助新材料研发的项目，满怀激动与大家分享。

客户研制的材料是热熔胶，就是你拿来粘塑料粘木板粘金属的那种加热可融化的胶棒。 

热熔胶由多种成分组成，乙烯醇乳胶、聚酰胺、增粘树脂、增塑剂等等。研制时按照不同的比例混合，最终得到特定粘度的热熔胶。

新配方研制常规思路是先根据设计师经验确定配比，然后做样品测试。周期短则半个月，长则数年。

多年以来，客户已积累了500余种原料的6万多种热熔胶配方。这些配方本是公司的核心资产，但它们大多以纸质形式存储，未被有效利用，略显可惜。

我们从尘封的文件中提取了17种原料的29种配方，小试牛刀尝试基于AIPOD软件做机器学习和优化。

这29组宝贵数据，输入变量是17种原料各自的百分比，输出变量是热熔胶粘度。

第一步，先做重要性分析，剔除重要度低于0.01的12个输入变量。

然后调用4种回归算法做回归建模，最终的建模流程如下：

精度对比后发现Ridge算法精度最高，R2值达到了0.92。

得到输入和输出之间的代理模型之后，就可输入原料配比，光速预测热熔胶粘度。

更进一步，还能利用AIPOD的优化功能，根据目标粘度，输出最佳原料配比。

如此一来，新材料研发的效率将千百倍提升。

但数据库扩充需要时间，待我们取得足够多样本，再狠狠写一篇文章来吹牛。

如果你手头恰好有数据，不妨联系我们试试，一起为材料专业正名！

社恐人士也可亲自尝试，天洑软件官网下载AIPOD即送30天许可，欢迎试用。

格局打开。从全国范围看，机器学习+新材料研发的热潮也已开启。

2024年，工业和信息化部、财政部、国家数据局3部门联合印发了《新材料大数据中心总体建设方案》。

计划用10年时间，全面建成国家层面的新材料大数据中心，实现材料数据的共享，缓解机器学习中的数据短缺问题。

我们相信到那一天，材料将不再是天坑最坑，最起码四大天坑顺序有望变成生化材环

材料老哥们坚持住，光明就在眼前了。