11月30日下午，西南交通大学副校长康国政教授应邀来到我院，在明志楼B105为师生们带来了一场题为“基于机器学习的材料疲劳分析”的精彩学术报告。本次报告由我院院长甘丹教授主持，吸引了众多青年教师和研究生的参与。
报告伊始，康国政教授讲解了疲劳失效的基本概念及其复杂性，深入阐述了寿命预测模型的传统研究范式，并引入了数据驱动这一新兴研究范式。他详细介绍了数据驱动方法的特点、主要应用领域，指出传统疲劳性能预测方法已难以有效应对复杂的疲劳问题。为应对这一挑战，康教授团队探索了基于机器学习的疲劳寿命预测方法。随着高通量实验和仿真技术的发展，大量的疲劳数据得以积累，为数据驱动的机器学习方法提供了可能性。在此基础上，康教授团队开发了多种机器学习模型，如全连接神经网络（FCNN）、长短期记忆网络（LSTM）和基于自注意力机制的模型，显著提升了对多轴疲劳、热-机耦合疲劳、随机疲劳及环境疲劳等复杂疲劳问题的预测精度。此外，康教授团队还提出了机理驱动的机器学习范式，进一步提升了疲劳寿命预测模型的泛化能力。最后，康教授强调基于机器学习的疲劳寿命预测方法不仅能够提升预测的准确性和适用性，还能为材料设计和优化提供重要支持，未来将继续探索更先进的机器学习算法和机理驱动策略，进一步推动材料科学与工程领域的创新发展。讲座结束前，与会师生积极提问，与康教授进行了交流与沟通，学术报告在与会师生的热烈掌声中圆满落幕。
