白 冰，韩 煦，曹 晗，柯艺璇，贺新福，杨 文

(中国原子能科学研究院 反应堆工程技术研究所，北京 102413)

氧化物弥散强化(ODS)合金是通过粉末冶金的方法将起强化作用的氧化物颗粒以弥散分布的形式加入到基体材料中，使基体材料在原有的固溶强化、析出物强化的基础上，增加了氧化物颗粒的分散强化。因此相对于现有不锈钢，ODS合金具有优异的高温性能，已被作为第4代先进能源系统(先进快堆、超临界水堆)结构材料和聚变堆第一壁结构材料的首选，但目前的研究表明，其抗辐照性能[1-2]仍是制约ODS合金在快堆和聚变堆领域应用的关键技术难题。

材料基因工程(MGI)的出现反映了全球对加速材料从发现到应用进程的需要[3]。材料科学在信息时代中产生了大量数据，基于大量数据，采用机器学习找出特征性参量，进行数据挖掘、智能分析、智能预测，进而预测出候选材料是材料基因工程中的一种重要工作模式。机器学习是一门交叉学科，机器学习是对已有数据进行分析学习，并在一些数学理论算法的支持下进行自我模型优化，使之可针对新数据进行高效的预测或判断。近年来，利用机器学习进行材料研究的成果开始大量涌现，数据驱动的机器学习方法已被大量用于材料性质预测与材料设计[4-6]。基于机器学习的材料性质预测无需关注具体的物理细节，而是基于数理统计理论在材料的特征(成分、结构、实验条件等)与性能(屈服强度、延伸率、韧脆转变温度等)之间寻找最优的数学映射关系，对处理复杂耦合和非线性关系具有显著优势，可加快抗辐照结构材料的研发进程。……