确定待设计的合金的成分和工艺参数的方法和系统，以及计算机存储介质与流程

本申请的实施例涉及计算机材料科学，具体涉及一种确定待设计的合金的成分和工艺参数的方法和系统，以及计算机存储介质。

背景技术：

1、这里的陈述仅仅提供与本申请有关的背景信息，而不必然地构成现有技术。

2、合金的成分和工艺参数直接影响合金的性能。因而，建立合金的成分和工艺参数与合金的性能之间的定量关系，是设计出具有目标性能的合金的关键。传统的试错实验开发周期长、成本高，也难以高效探测广阔的成分空间。

技术实现思路

1、在下文中给出了关于本申请的简要概述，以便提供关于本申请的某些方面的基本理解。应当理解，这个概述并不是关于本申请的穷举性概述。它并不是意图确定本申请的关键或重要部分，也不是意图限定本申请的范围。其目的仅仅是以简化的形式给出某些概念，以此作为稍后论述的更详细描述的前序。

2、第一方面，本申请的实施例提供一种确定待设计的合金的成分和工艺参数的方法，其包括如下步骤：

3、s10：确定训练数据集和测试数据集，训练数据集和测试数据集均包括多组样本合金数据，每组样本合金数据包括样本合金的特征数据以及性能数据；

4、s20：根据s10步骤确定的训练数据集，训练基于多头注意力机制的注意力网络模型，样本合金的特征数据作为注意力网络模型的输入，样本合金的性能数据作为注意力网络模型的输出，获得训练后的注意力网络模型；

5、其中，注意力网络模型中设置有储存节点，以记录所有注意力层和所有注意力头的注意力权重矩阵，以及注意力权重矩阵的信息熵和注意力集中度；

6、s30：利用训练后的注意力网络模型，对测试数据集中样本合金的性能进行预测，确定测试数据集中样本合金的特征数据所对应的性能预测值；

7、在预测过程中，注意力网络模型记录测试数据集中每组样本合金数据所对应的所有注意力层、所有注意力头的注意力权重矩阵，以及注意力权重矩阵的信息熵和注意力集中度；

8、s40：根据s30步骤中记录的测试数据集中每组样本合金数据所对应的所有注意力层、所有注意力头的注意力权重矩阵，以及注意力权重矩阵的信息熵和注意力集中度，确定合金的特征对其性能的影响机制；

9、s50：根据合金的特征对其性能的影响机制，以及待设计的合金的目标性能，确定待设计的合金的成分和工艺参数。

10、本申请的实施例提供的确定待设计的合金的成分和工艺参数的方法，通过记录模型在预测过程中计算出的注意力权重矩阵，能够获知模型在生成性能预测结果时对不同的输入特征的关注程度，从而能够据此确定合金的特征对其性能的影响机制，高效而精准地确定符合目标性能的合金的成分和工艺参数；由于注意力权重矩阵这一解释信息伴随预测过程同步生成，因而能够实现对模型的本质可解释性，避免了事后解释的保真度、稳定性和误导性问题，根据模型内在的解释信息确定的合金的特征对其性能的影响机制也更加准确可靠；注意力权重矩阵的信息熵用于度量注意力分布的离散程度，注意力权重矩阵的注意力集中度定义为权重分布的基尼系数或最大权重占比，用于度量注意力分布的不平等程度，在确定合金的特征对其性能的影响机制时，考虑注意力权重矩阵的信息熵和注意力集中度，能够确定注意力网络模型的训练质量高低，从而能够保证注意力网络模型的训练质量高，预测结果准确，决策过程可靠。

11、第二方面，本申请的实施例还提供一种确定待设计的合金的成分和工艺参数的系统，其包括：

12、数据获取模块以及处理器；

13、数据获取模块设置成获取训练数据集和测试数据集，训练数据集和测试数据集均包括多组样本合金数据，每组样本合金数据包括样本合金的特征数据以及性能数据；

14、处理器设置成：

15、根据训练数据集，训练基于多头注意力机制的注意力网络模型，样本合金的特征数据作为注意力网络模型的输入，样本合金的性能数据作为注意力网络模型的输出，获得训练后的注意力网络模型；

16、其中，注意力网络模型中设置有储存节点，以记录所有注意力层和所有注意力头的注意力权重矩阵，以及注意力权重矩阵的信息熵和注意力集中度；

17、利用训练后的注意力网络模型，对测试数据集中样本合金的性能进行预测，确定测试数据集中样本合金的特征数据所对应的性能预测值；

18、在预测过程中，注意力网络模型记录测试数据集中每组样本合金数据所对应的所有注意力层、所有注意力头的注意力权重矩阵，以及注意力权重矩阵的信息熵和注意力集中度；

19、根据记录的测试数据集中每组样本合金数据所对应的所有注意力层、所有注意力头的注意力权重矩阵，以及注意力权重矩阵的信息熵和注意力集中度，确定合金的特征对其性能的影响机制；

20、根据合金的特征对其性能的影响机制，以及待设计的合金的目标性能，确定待设计的合金的成分和工艺参数。

21、第三方面，本申请的实施例提供一种计算机存储介质，其上存储有计算机程序，计算机程序被处理器执行以实现如本申请第一方面任一实施例所提供的方法。

1.一种确定待设计的合金的成分和工艺参数的方法，其特征在于，其包括：

2.根据权利要求1所述的方法，其特征在于，s10步骤包括：

3.根据权利要求2所述的方法，其特征在于，s12步骤包括：

4.根据权利要求3所述的方法，其特征在于，s13步骤包括：

5.根据权利要求3或4所述的方法，其特征在于，s40步骤包括：

6.根据权利要求5所述的方法，其特征在于，在s41步骤中，当s30步骤中获得的高集中度低熵的注意力头与低集中度高熵的注意力头数量平均时，确定所述注意力网络模型的训练质量符合要求。

7.根据权利要求6所述的方法，其特征在于，在s42步骤中，所述根据s30步骤中记录的所述测试数据集中每组样本合金数据所对应的所有注意力层、所有注意力头的注意力权重矩阵，确定所述特征的重要性排序包括：

8.根据权利要求6所述的方法，其特征在于，在s42步骤中，所述根据s30步骤中记录的所述测试数据集中每组样本合金数据所对应的所有注意力层、所有注意力头的注意力权重矩阵，确定所述特征的功能分组包括：

9.根据权利要求6所述的方法，其特征在于，在s42步骤中，所述根据s30步骤中记录的所述测试数据集中每组样本合金数据所对应的所有注意力层、所有注意力头的注意力权重矩阵，确定所述特征的线性决定系数包括：

10.根据权利要求9所述的方法，其特征在于，在s42步骤中，所述根据s30步骤中记录的所述测试数据集中每组样本合金数据所对应的所有注意力层、所有注意力头的注意力权重矩阵，确定所述复杂特征包括：

11.根据权利要求6所述的方法，其特征在于，在s42步骤中，所述根据s30步骤中记录的所述测试数据集中每组样本合金数据所对应的所有注意力层、所有注意力头的注意力权重矩阵，确定所述交互特征包括：

12.一种确定待设计的合金的成分和工艺参数的系统，其特征在于，其包括：

13.一种计算机存储介质，其特征在于，其上存储有计算机程序，所述计算机程序被处理器执行以实现如权利要求1-11任一项所述的方法。