基于大模型的船用材料智能决策方法、装置、设备及介质与流程

本发明涉及船用材料，具体而言，涉及一种基于大模型的船用材料智能决策方法、装置、设备及介质。

背景技术：

1、船舶与海洋工程材料作为船舶工业的核心基础，其性能直接决定船舶的安全性、可靠性、经济性及使用寿命。现有技术中，船用材料的选择主要依赖工程师根据经验编制船用材料方案。方案落地后需通过实物性能检测验证其合规性与适用性，反复调整方案并重新进行试验验证。一方面，船用材料领域的多源异构数据存在显著壁垒，试验数据、文献资料、规范标准、工况数据分散存储于不同机构。工程师需要人工查阅海量规范文档，不仅耗时费力，而且面对复杂的交叉引用条款和不断更新的标准，极易出现人为疏漏或误判。另一方面，现有材料验证流程主要依赖物理迭代闭环，从研发到落地的转化周期长，无法在方案设计阶段有效规避合规性风险。

技术实现思路

1、本发明旨在解决上述至少一个问题。

2、为解决上述问题，本发明提供一种基于大模型的船用材料智能决策方法、装置、设备及介质。

3、第一方面，本发明提供了一种基于大模型的船用材料智能决策方法，包括：

4、对多源船用材料领域数据进行结构化标注，得到结构化标注后数据；

5、基于预训练语言模型，对所述结构化标注后数据进行实体抽取与领域向量化处理，得到船用材料规范约束模型；

6、利用检索增强模型和所述船用材料规范约束模型，对通用大模型进行训练微调，得到船用材料垂域大模型；

7、通过用户任务调用所述检索增强模型、所述船用材料规范约束模型和所述船用材料垂域大模型进行协同推理验证，得到船用材料智能决策结果。

8、可选地，所述利用检索增强模型和所述船用材料规范约束模型，对通用大模型进行训练微调，得到船用材料垂域大模型，包括：

9、通过对所述船用材料规范约束模型进行无监督数据提取，得到领域训练数据集；

10、通过所述领域训练数据集对所述通用大模型进行训练，得到训练后的所述通用大模型；

11、根据所述检索增强模型、所述船用材料规范约束模型和训练后的所述通用大模型，构建联合优化目标函数；

12、利用指令数据集和所述联合优化目标函数对训练后的所述通用大模型进行指令微调，得到所述船用材料垂域大模型，其中，所述指令数据集包括材料选型、性能预测、腐蚀寿命预测、焊接工艺生成和失效分析任务。

13、可选地，所述优化目标函数包括：

14、，

15、其中，为所述优化目标函数，为训练后的所述通用大模型的模型任务预测损失，为所述船用材料规范约束模型的知识约束损失，为所述检索增强模型的检索对齐损失，、、为优化目标函数权重系数。

16、可选地，在所述利用指令数据集和所述联合优化目标函数对训练后的所述通用大模型进行指令微调，得到所述船用材料垂域大模型之后，还包括：

17、根据模型迁移损失、任务预测损失和规范一致性损失，构建联合蒸馏目标函数；

18、利用所述联合蒸馏目标函数进行所述船用材料垂域大模型对轻量化学生模型的模型蒸馏处理，得到船用材料垂域轻量化模型；

19、所述联合蒸馏目标函数包括：

20、，

21、其中，为所述联合蒸馏目标函数，为所述模型迁移损失，用于衡量和之间的差异，为所述船用材料垂域大模型的概率分布，为所述轻量化学生模型的概率分布，为所述任务预测损失，为所述规范一致性损失，为船用材料行业标准，为模型预测结果，和为权重超参数。

22、可选地，所述通过用户任务调用所述检索增强模型、所述船用材料规范约束模型和所述船用材料垂域大模型进行协同推理验证，得到船用材料智能决策结果，包括：

23、当所述用户任务为材料性能预测任务时，将所述用户任务输入所述船用材料垂域大模型进行预测，得到材料性能预测结果；利用所述检索增强模型和所述船用材料规范约束模型对所述材料性能预测结果进行验证修正，得到所述船用材料智能决策结果；

24、当所述用户任务为材料选型及关联查询任务时，将所述用户任务输入所述船用材料规范约束模型进行实体关系推理，得到材料规范结果；利用所述检索增强模型和所述船用材料垂域大模型对所述材料规范结果进行验证修正，得到所述船用材料智能决策结果；

25、当所述用户任务为规范符合性判断任务时，将所述用户任务输入所述检索增强模型调用船舶行业规范数据，得到规范文本数据结果；利用所述船用材料规范约束模型和所述船用材料垂域大模型对所述规范文本数据结果进行验证修正，得到所述船用材料智能决策结果。

26、可选地，所述对多源船用材料领域数据进行结构化标注，得到结构化标注后数据，包括：

27、对所述多源船用材料领域数据进行数据清洗处理，得到处理数据，其中，所述数据清洗处理包括重复数据删除、缺失数据补全和异常数据过滤；

28、通过对所述处理数据进行结构化标注，得到所述结构化标注后数据。

29、可选地，所述对所述结构化标注后数据进行实体抽取与领域向量化处理，得到船用材料规范约束模型，包括：

30、将所述结构化标注后数据输入所述预训练语言模型进行实体抽取，得到多个船用材料领域实体；

31、基于关系抽取算法，利用文本语境语义依赖提取各所述船用材料领域实体之间的关系，得到实体间逻辑联系；

32、将所有所述船用材料领域实体和所述实体间逻辑联系映射至图数据库中构建异构图，得到所述船用材料规范约束模型，其中，所述船用材料规范约束模型包括材料属性关系、制造工艺关系、性能约束关系、环境适配关系和规范符合关系。

33、第二方面，本发明提供了一种基于大模型的船用材料智能决策装置，包括：结构化标注模块，用于对多源船用材料领域数据进行结构化标注，得到结构化标注后数据；

34、船用材料规范约束模型获取模块，用于基于预训练语言模型，对所述结构化标注后数据进行实体抽取与领域向量化处理，得到船用材料规范约束模型；

35、船用材料垂域大模型获取模块，用于利用检索增强模型和所述船用材料规范约束模型，对通用大模型进行训练微调，得到船用材料垂域大模型；

36、船用材料智能决策结果获取模块，用于通过用户任务调用所述检索增强模型、所述船用材料规范约束模型和所述船用材料垂域大模型进行协同推理验证，得到船用材料智能决策结果。

37、第三方面，本发明提供了一种电子设备，包括存储器和处理器；

38、所述存储器，用于存储计算机程序；

39、所述处理器，用于当执行所述计算机程序时，实现如第一方面所述的基于大模型的船用材料智能决策方法。

40、第四方面，本发明提供了一种计算机可读存储介质，所述存储介质上存储有计算机程序，当所述计算机程序被处理器执行时，实现如第一方面所述的基于大模型的船用材料智能决策方法。

41、本发明的基于大模型的船用材料智能决策方法、装置、设备及介质的有益效果是：对多源船用材料领域数据进行结构化标注，得到结构化标注后数据，实现了不同来源、不同结构材料数据的统一表达与关联融合，方便后续数据处理，显著降低信息检索成本。利用预训练语言模型对结构化标注后数据进行实体抽取与领域向量化处理，将非结构化文本转化为计算机可理解的向量表示，得到船用材料规范约束模型。实现对船用材料规范的自动提取，避免了人为疏漏以及误判。引入检索增强模型和船用材料规范约束模型，对通用大模型进行训练微调，使模型在学习材料领域专业知识的同时，能够保证领域规范与约束条件，提升船用材料垂域大模型在船用材料领域的专业性与可靠性。通过用户任务调用检索增强模型、船用材料规范约束模型和船用材料垂域大模型进行协同推理验证，在方案设计阶段对材料的合规性与适用性进行智能化预判，大幅缩短从研发到落地的转化周期。实现模型内生知识、结构化知识和规范知识的协同融合，能够快速响应复杂的任务需求，大幅提升了智能决策的船用材料智能决策方案的准确性。