科大讯飞AI大赛：二氧化硅气凝胶制备工艺优化与性能预测赛暂列第一的思路分享
比赛地址：https://challenge.xfyun.cn/topic/info?type=AerogelAI&option=phb冲突规则说明本方案的核心并非单纯堆叠模型，而是先重新解读数据结构。主要思路包括：此次竞赛最大的感悟是：材料预测竞赛的关键往往不在于模型的复杂度，而在于能否洞察数据背后的实验机制。只有将原料、工艺与性能之间的关系真正拆解开来，模型才有可能获得稳定提升。后续将继续分享该方案的EDA、特征工程与建模思路。
上海交大孙宝德团队：AI 破解高温合金缺陷与性能关联难题
镍基高温合金在航空发动机及燃气轮机等高温环境中应用广泛，其力学表现直接决定关键部件的可靠性与使用寿命。然而，精密铸造过程中难以避免的疏松缺陷，加之显微组织复杂多变，使得材料性能预测长期面临严峻挑战。为解决这一瓶颈，上海交通大学孙宝德院士团队研发了一种融合显微组织与缺陷信息的多源深度学习框架，成功实现了对含疏松缺陷高温合金拉伸性能的精准预测。该成果以“Mechanical property prediction of superalloys with microporosity defects using
AI赋能MOFs材料智能设计与性能预测实战
线上特训AI赋能MOFs材料智能设计与性能预测实战课程时间：2026年04月18日-04月19日2026年04月25日-04月26日（4天线上直播+全程录播+社群答疑）1.课程导语金属有机框架材料（MOFs）作为新型多孔晶体材料，在气体存储分离、催化转化、能源储备及传感检测等领域应用前景广阔。但其结构组成复杂多变，依赖实验手段逐一验证效率低下，难以满足规模化开发需求。融合计算化学与智能算法，为MOFs材料的精准设计与效能提升开辟了新路径。借助量子化学计算、分子动力学模拟与机器学习技术，可深度解析海量MOF