东北大学徐伟团队《Acta Materialia》等多篇文章：晶体塑性指导深度学习方法

东北大学徐伟教授团队在Acta Materialia和Scripta Materialia发表了两篇关于晶体塑性指导深度学习的研究成果。研究旨在解决金属材料力学性能预测中的“可解释性-计算效率”冲突，提出了CNN-DP和DL-CP两种新方法。CNN-DP方法通过晶体塑性理论指导深度学习，实现了双相钢力学行为的高精度预测，平均预测精度达96.6%。DL-CP方法结合晶体塑性建模和多模态深度学习策略，实现了双相钢应力-应变分布和拉伸性能的双输出预测，平均预测准确率超过96%。这些研究为钢铁材料的力学性能预测提供了新思路，具有广泛的应用前景。