近日，我院车辆2302班本科生圣曹玉麟同学在材料科学领域一区Top期刊《Journal of Materials Science & Technology》（IF=14.3）发表题为“Deep learning-driven innovation in metallic materials: A comprehensive review on microstructure analysis, property prediction, and inverse design”综述论文。论文连接：https://doi.org/10.1016/j.jmst.2026.02.007。

图1. 本综述的图文摘要

该综述探讨了深度学习如何在“过程-结构-性能-服役表现”框架下，推动材料创新链的变革。分析了深度学习在三个相互关联阶段的作用：1）微观结构分析，在此阶段，深度学习实现了高通量自动化的定量分析，并朝着生成式二维到三维微观结构重建的方向发展，从而为模拟构建数字孪生；2）性能预测，该领域的模型从单模态关联性分析，演进为融合物理机制的、整合异构数据（图像、光谱、文本）与机理模拟的多模态框架，用于预测力学、疲劳和腐蚀行为；3）逆向设计，这一领域从基于多目标优化的成分搜索，发展到在高维过程-结构-性能空间中进行微观结构生成。最后，提出了一个朝着物理信息增强型架构和集成式自主平台发展的路线图，以实现智能、闭环的材料发现路径。

我院车辆2302班本科生圣曹玉麟为第一作者，硕士研究生秦旭为共同第一作者（目前已是西班牙马德里高等材料研究院在读博士研究生），王庆航副教授为通讯作者，我院为第一完成单位。该论文得到了国家自然科学基金、江苏省自然科学基金和中国博士后科学基金项目的资助。