这次写信,实在是有个不情之请。
我们的高合金项目FeCoNiCrMn体系出现了一些困难,可能需要你那个机器学习算法的帮助。
过去三个月,我的另一位博士生蒋士全按照传统的‘试错法’,烧了整整两干炉样品!
不管是改变配比,还是调整退火温度,得到的合金要么太脆,要么抗腐蚀性不行。
你大概也知道,这个项目是拿着国家重点研发计划的钱,年底就要中期考核。如果再拿不出那个传说中的‘单相固溶体,后续的经费会受到影响。
我就想问问,当初我们讨论的那个以太铸造厂”项目,能否开始启动,为目前的高合金项目提供一些帮助?
我附上了一个FTP下载链接,是我们这两千次失败实验的所有数据XRD图谱、硬度、金相照片。虽然都是失败品,但这已经是我们全部的家底了。】
林允宁看完邮件,登录了宋胤乾给出的FTP服务器,下载了所有数据,随手打开了几张Excel表格。
密密麻麻的数据,全是一次次失败的记录。
这在普通人眼里,这就是一堆电子垃圾。
但在林允宁眼里,这简直就是一座金矿。
他的眼睛亮了起来,那种属于猎人的光芒再次浮现。
这不就是Aether进化的最佳契机吗?
之前他想做“Aether_Foundry”材料铸造厂模块,苦于没有真实的实验数据来训练模型。
现在,宋教授把这两千多次昂贵的试错数据,打包送到了他面前。
然而。
在学术层面上。
这是典型的“小样本、高维度”问题。
在几百万种可能的配方组合里,只试了两千次,数据极其稀疏。
传统的深度学习在这里根本跑不起来。
这需要一种更聪明的算法。
“主动学习ActiveLearning。”
林允宁喃喃自语。
让AI不是被动地吃数据,而是像个有经验的老师傅一样,根据已有的失败经验,主动去预测下一个“最有可能成功”或者“最能提供新知识”的配方。
这不仅能帮宋教授救命。
更重要的是,宋教授手里的那个重点研发计划,经费可是相当充足的。
如果能解决这个问题,以太动力完全可以名正言顺地签下一笔昂贵的“技术咨询服务合同”。
这不就是现成的现金流吗?
林允宁看了一眼沙发上熟睡的布兰登,又看了看屏幕上那堆杂乱无章的数据。
既然布兰登帮公司续了一口命,那接下来,就该让Aether学会自己造血了。
他转过身,新建了一个代码文件。
【Project:Aether_Foundry_ActiveLearning】
【初始化贝叶斯优化器。。。。。。】
【加载高斯过程回归模型。。。。。。】
既然有人送来了柴火,那就把这把火。
烧得更旺一点。