面向轻质难熔高熵合金的多智能体闭环设计系统及方法

摘要: 本发明涉及材料设计与人工智能交叉,尤其涉及一种面向轻质难熔高熵合金的多智能体闭环材料设计系统及自动化迭代设计方法,可应用于航空航天高温结构件、核能极端工况耐热材...
面向轻质难熔高熵合金的多智能体闭环设计系统及方法

本发明涉及材料设计与人工智能交叉,尤其涉及一种面向轻质难熔高熵合金的多智能体闭环材料设计系统及自动化迭代设计方法,可应用于航空航天高温结构件、核能极端工况耐热材料、高温耐腐蚀装备用轻质难熔高熵合金高通量研发场景。

背景技术:

1、轻质难熔高熵合金主要由 al、ti、v、cr、zr、nb、mo、hf、ta、w 中两种及以上元素构成多主元基体,各主元原子分数通常为 5%~35%,无单一溶剂基体;该类材料同时具备低密度、高熔点、高温力学强度、高温相稳定潜力,是航空、核工业极端服役环境核心候选材料。但该合金成分设计空间维度极高,元素配比、热处理制度、目标相结构、力学性能、热力学稳定性多重约束相互耦合,仅依靠人工实验试错、单软件仿真计算研发效率极低。

2、现有材料设计工具分为三类独立技术体系,各体系仅能实现单一环节功能,存在严重割裂问题:

3、(1)纯机器学习成分预测系统;

4、现有机器学习高熵合金设计方案仅完成文献数据爬取、成分-性能代理模型训练、多目标优化输出候选配比,仅能给出理论成分组合;缺陷1:无法自动生成dft、calphad计算输入文件、集群作业脚本,全部计算配置依赖人工操作;缺陷2:无自动化计算执行、结果解析链路,无法将相稳定性、形成能等计算数据自动回灌模型迭代;缺陷3:无针对轻质难熔合金低密度、bcc/b2相稳定、脆性析出相抑制的专属约束优化逻辑,通用模型适配性差。

5、(2)单一dft/calphad高通量计算软件;

6、商用vasp、pycalphad、thermo-calc、atat等工具仅能完成既定输入文件下的热力学、第一性原理仿真;缺陷1:无自动候选成分生成功能,需要人工输入元素配比;缺陷 2:不同软件输入格式、参数模板不互通,数据无统一存储载体,跨工具数据手动复制,易丢失、出错;缺陷 3:计算报错、收敛失败无自动修复策略,任务失败后需人工修改参数重新提交。

7、(3)材料文献智能检索系统;

8、现有材料知识抽取工具仅实现论文、专利中合金成分、性能数据提取;缺陷1:检索结果无法直接对接成分生成、仿真计算流程,仅作为独立知识库;缺陷2:无法将文献证据量化为成分筛选权重、迭代约束,知识无法驱动设计闭环。

9、现有技术共性四大核心短板;

10、1.数据异构、流程割裂:文献知识、材料物性数据库、机器学习模型、dft输入文件、calphad脚本、集群计算任务分属不同软件,无统一标准化数据交互对象,全流程人工衔接,数据无法复用。

11、2.计算配置自动化程度极低:现有方案仅输出合金配比,不能匹配对应验证路径、自动生成仿真输入文件、集群作业脚本,无标准化参数校验机制,人工配置耗时占研发总工时70% 以上。

12、3.无法形成自动化闭环反馈:dft、calphad输出结果、报错日志均需人工读取解读,不能自动转化为下一轮成分空间约束、计算参数、机器学习训练样本,设计、验证、优化流程单向开环,无自动迭代能力。

13、4.缺少轻质难熔高熵合金专属优化机制:通用材料设计系统未针对低密度限制、高温 bcc/b2 相偏好、laves/σ脆性析出相抑制、第一性原理计算(即dft计算,以下简称dft)收敛性等领域特有约束定制优化规则,设计成功率低、迭代轮次多。

14、现有技术缺陷对应本发明解决思路;

15、针对上述全部缺陷,本发明通过多智能体任务协同调度+四类统一标准化数据对象+全链路输入文件自动生成校验+计算失败自愈机制+结果驱动闭环迭代优化一体化架构,针对性解决轻质难熔高熵合金研发全流程自动化需求。

技术实现思路

1、本发明的目的在于提供一种面向轻质难熔高熵合金的多智能体闭环设计系统及方法,使研究人员能够以自然语言或结构化参数输入材料设计需求,由系统自动完成知识检索、候选成分生成、计算实验规划、输入文件生成、计算执行、结果解析和设计方案迭代,实现轻质难熔高熵合金从需求到验证的端到端自动化闭环设计。

2、本发明重点解决的技术问题包括:

3、1)如何将自然语言形式的材料研发需求,自动转换为包含候选元素、禁用元素、密度上限、服役温区、目标相结构、性能权重、计算预算的结构化可计算约束向量;

4、2)如何打通文献知识、基础材料数据库、历史计算数据,构建统一候选成分记录载体,自动生成适配轻质难熔合金约束的多主元配比;

5、3)如何根据任意候选合金成分,自动生成sqs结构、dft全套输入文件、calphad热力学脚本、集群slurm/pbs作业脚本,并完成参数、结构、资源的一致性校验;

6、4)如何自动解析仿真输出与错误日志,将相分数、形成能、弹性常数、收敛状态转化为下一轮迭代约束,实现数据闭环;

7、5)如何通过多智能体分布式任务编排,串联需求解析、知识抽取、成分生成、仿真验证、模型更新、反馈优化全流程,实现端到端无人工干预自动化设计。

8、为实现上述目的,本发明采用如下技术方案:

9、本发明提供的面向轻质难熔高熵合金的多智能体闭环设计系统,系统总体架构包括四层:用户层、核心功能模块层、计算资源层和贯穿全流程的可追溯记录模块。

10、本发明提供面向轻质难熔高熵合金的多智能体闭环设计系统,整体分为四层:用户层、核心功能模块层、计算资源层;增设贯穿全流程的可追溯记录模块,各层级、模块交互依托四类统一标准化数据对象完成通信。

11、(1)用户层;

12、供研发人员输入设计需求,支持两种输入模式:①自然语言文本输入;②结构化参数表单输入;输入内容包括:密度上限、服役温度区间、目标相结构、强度/抗氧化/成本等性能权重、禁用元素、候选元素集合、单轮计算预算、最大迭代次数。

13、(2)核心功能模块层,10个独立模块,各模块由独立智能体agent驱动执行,所述独立智能体agent是由处理器执行的软件模块、程序或逻辑电路;

14、1.需求解析agent模块:接收用户输入,输出标准化设计约束对象;

15、2.文献搜集与知识抽取agent模块:检索文献、专利、本地上传文档,抽取材料三元组知识存入数据库;

16、3.材料知识数据库模块:持久存储元素物性、历史合金、仿真计算结果、文献证据;

17、4.候选成分生成agent模块:基于约束向量、数据库知识生成多主元合金配比,计算各类经验相形成指标并初筛排序;

18、5.计算实验规划agent模块:为每一条候选成分定制专属仿真验证任务清单;

19、6.输入文件生成agent模块:自动生成dft、sqs、calphad、集群作业全套文件,并执行双层校验;

20、7.计算任务执行agent模块:向本地工作站、服务器、hpc集群提交任务,监控状态、自动处理计算失败;

21、8.结果解析与分析agent模块:解析仿真输出、报错日志,结合文献证据生成性能与相稳定性判定结论;

22、9.机器学习优化agent模块:更新成分-性能代理模型,通过多目标优化生成下一轮候选采样方案;

23、10.闭环反馈控制agent模块:根据分析结论调整成分约束、仿真参数、模型权重,判定迭代终止条件。

24、(3)计算资源层;

25、包含本地工作站、独立服务器、高性能计算集群三类算力载体,承接全部 dft、calphad 批量仿真任务。

26、(4)可追溯记录模块;

27、独立贯穿所有核心模块,全流程记录数据源、模型版本、仿真参数、作业日志、迭代变更记录,生成可审计、可复现的完整设计报告。

28、(5)模块数据流链路;

29、正向串行链路:用户层→需求解析模块→文献抽取模块→材料数据库→候选成分生成模块→计算实验规划模块→输入文件生成模块→计算任务执行模块;

30、反馈回流链路:计算任务执行模块→结果解析模块→机器学习优化模块→闭环反馈控制模块;闭环反馈控制模块双向回流至候选成分生成模块、计算实验规划模块,形成完整迭代闭环;

31、可追溯记录模块与全部核心模块双向数据互通,同步留存全流程数据。

32、四类统一标准化数据对象,消除数据异构核心特征;

33、全部智能体之间仅通过以下四类封装数据对象完成数据交互,所有跨模块数据格式统一,无人工转译:

34、1.设计约束对象:封装候选元素集合、禁用元素、密度上限、服役温区、目标相、各性能权重、单轮计算预算、最大迭代次数、收敛判定阈值;作为全流程顶层约束输入;

35、2.候选成分记录对象:单条合金完整载体,包含元素原子百分比、理论密度、vec价电子浓度、原子半径差δ、混合焓、混合熵、电负性差、熔点、文献置信度、仿真任务状态、dft/calphad计算结果、综合评分、迭代轮次;

36、3.计算任务对象:单条仿真任务全生命周期载体,dft弛豫/弹性常数/相图计算等记录任务类型、对应候选成分编号、sqs超胞参数、仿真软件模板、输入文件存储路径、集群资源配置、作业运行状态、错误日志、解析结果;

37、4.结果记录对象:存储单条仿真输出结论,包含形成能、弹性常数、各相平衡分数、脆性相占比、稳定温度区间、计算收敛标记、失效类型、结果置信度;直接作为机器学习训练样本与闭环调整依据。

38、系统配套自动化设计方法包括s1-s10闭环迭代步骤;

39、s1,需求解析步骤:需求解析agent接收用户输入,转换生成标准化设计约束对象;

40、s2,知识检索抽取步骤:文献抽取agent基于约束对象检索文献、数据库,抽取合金成分、相结构、性能、仿真参数三元组知识,写入材料知识数据库;s3,候选成分生成初筛步骤:候选成分生成agent读取约束对象、数据库知识,批量生成 al/ti/v/cr/zr/nb/mo/hf/ta/w多主元组合;通过统一公式计算密度、vec、混合熵、原子半径差等指标,按轻质难熔合金专属规则加权排序初筛;关键计算公式,即筛选规则:①合金理论密度:,为元素原子分数,元素摩尔质量,纯元素密度;②价电子浓度:;③混合熵:;④原子半径差:;

41、专属权重规则:低密度约束下提升 al、ti、v、cr、zr 采样权重,降低 ta、w、hf 权重;目标bcc/b2相时,优先排序vec、δ满足固溶稳定区间的成分;s4,计算实验规划步骤:计算规划agent为每一条候选成分记录生成计算任务对象,确定是否执行sqs 建模、dft弛豫/形成能/弹性常数、calphad平衡相分数、高温析出相预测;s5,输入文件自动生成步骤:输入生成agent读取计算任务对象,分两类自动生成全套仿真文件:1)dft仿真:生成80~160原子sqs无序超胞,控制各元素原子数与目标原子百分比偏差≤1%;自动输出poscar、incar、kpoints、potcar赝势映射文件;2)calphad仿真:匹配对应热力学数据库,生成pycalphad/thermo-calc批处理脚本,设置800~1800℃温度区间;3)集群作业:自动生成slurm/pbs提交脚本,写入cpu核数、内存、队列、最大运行时长、软件模块;s6,输入文件双层一致性校验步骤:输入生成agent执行静态校验+模板校验两层校验;静态校验:元素顺序与赝势匹配、原子总数与成分比例匹配、文件路径合法性、资源配置合理性;模板校验:dft截断能、电子/离子收敛阈值、k点密度、calphad温度步长、热力学数据库版本合规性;校验失败自动标记,由闭环模块选择修正模板、降低任务优先级或剔除对应候选成分;s7,计算任务执行与自愈步骤:计算执行agent向算力层提交校验通过的任务,实时监控作业、资源、收敛日志;针对三类典型故障内置自动恢复策略:①scf 电子步不收敛:自动增大电子迭代步数、更换电荷混合算法、调整初始磁矩后重提交;②离子弛豫不收敛:提升离子最大迭代步数、更换弛豫算法、微调晶格参数;③内存资源不足:自动扩容内存、调整并行核数分配;同一候选连续3次计算失败,则标记为高风险,降低采样优先级;s8,结果解析判定步骤:结果解析agent读取仿真输出与日志,提取形成能、弹性常数、各相体积分数、脆性相比例、收敛状态;结合文献证据生成标准化结果记录对象;s9,机器学习模型更新步骤:机器学习agent将结果记录对象标注正负样本,满足全部约束为正样本,性能不达标/计算失效为负样本,更新成分-相-性能代理模型;采用贝叶斯优化、主动学习、多目标pareto排序生成下一轮候选成分采样建议;s10,闭环反馈与终止判断步骤:闭环反馈控制 agent 读取判定结论,执行分层约束调整:1)密度超限:下调ta/w/hf/mo等高密元素含量上限,提升轻质元素权重;2)目标温区脆性相或laves/σ相体积分数超标:压缩对应析出相形成元素配比区间;3)dft形成能为正,热力学失稳:降低同类成分采样概率;4)计算整体收敛率偏低:切换保守型仿真参数模板;终止判定:当候选成分满足全部性能/相稳定约束、达到预设计算预算、达到最大迭代轮次、模型置信度超过阈值,输出最优合金清单与完整验证报告;未满足终止条件则回流至s3,开启新一轮迭代。

42、尤其是,s9中,特征工程将成分映射为约50维向量,11个元素描述符的加权均值/方差/最大/最小+尺寸差δ、miedema混合焓δh、组元数、bcc 稳定元素数、含 al 标志。模型为三类随机森林,各100棵树、最大深度10:相分类器输出 bcc稳定概率,类别加权平衡;密度回归器与pugh比回归器输出性能预测。预测不确定性取各树预测标准差,泛化性能经按体系分组的 groupkfold 与 bootstrap 95%置信区间验证。

43、尤其是,s9中,以多目标综合评分为目标,采用期望改进采集函数 ei(x)=e[max(f(x)f*ξ,0)](ξ=0.01),备选 ucb(κ=2.0)与pi。候选按0.7×ml预测分+ 0.3×经验分保留top-100,批选择采用局部惩罚策略即成分空间带宽 σ=0.12或 k-means++ 保证多样性,每轮取10个候选做精确验证。收敛判定:连续3轮最佳评分变化<0.01。

44、尤其是,s9中,搜索阶段综合评分s = (0.30×比强度 + 0.35×韧性(1pugh) +0.35×bcc 相分数) ×密度惩罚系数(ρ<7 g/cm³ 为 1.0,ρ≥7 为 0.3);脆性相体积分数>0.1 时再乘 (1脆性相比例)。最终排序用独立权重向量,三档预设:标准档密度 0.15/热力学 bcc占比0.25/低脆性0.15;严格bcc档bcc占比升至0.35;轻质档密度升至0.30。

45、尤其是,可追溯记录模块同步捕获每一步骤的输入对象、输出对象、修改记录、作业日志、模型迭代版本,统一存储,最终输出带完整溯源链路的材料设计报告,支持实验复现、成果复核。

46、本发明有益效果包括:

47、1.端到端全自动闭环设计,大幅降低人工成本:依托多智能体协同调度,打通需求输入至仿真验证、迭代优化全链路,无需人工跨软件转换数据、配置仿真文件,相比传统开环方案研发工时降低70%以上;

48、2.统一标准化数据对象,解决流程割裂问题:四类封装数据对象实现全部模块无格式互通,消除多软件数据异构、信息丢失、手动转译出错问题;

49、3.仿真文件自动生成+双层校验,降低使用门槛:无需研发人员精通vasp、pycalphad、集群调度语法,系统自动生成全套输入文件并前置校验,规避参数配置错误;

50、4.计算自愈+结果驱动自动迭代闭环:仿真失败自动修复,仿真结果自动转化为模型训练样本与迭代约束,实现设计-验证-优化无人干预循环,缩短新材料研发迭代周期;

51、5.面向轻质难熔高熵合金专属优化规则:针对低密度、高温bcc/b2相稳定、脆性析出相抑制定制筛选与反馈逻辑,相比通用材料ai系统,合格候选成分产出效率甚至可提升16%。

52、6.全流程可追溯审计:完整留存全部设计参数、仿真记录、迭代变更,满足科研成果复现、项目审计、专利数据溯源要求。