深度学习（DL）方法能够用于研究复杂材料的结构-性能关系，因此可能作为一种新型方法突破材料的性能局限性。但是，目前大多数情况难以收集大量的实验数据或者开源软件数据库用于实现高精度的深度学习。

有鉴于此，江南大学刘禹、中国工程物理研究院化工材料研究所余凤湄、芦艾等报道，通过油墨书写增材制造方法得到含有483个多孔硅橡胶材料作为材料库，通常在较小的实验数据库中获得高精度深度学习模型的先决条件是得到准确的描述符。

本文要点：

(1)

作者设计了一种具有时间空间特征的双方向解卷积的独特短期记忆模型，这种多级学习模型能够更好的利用数据，因此需要的数据量更少。

(2)

这种方法能够从较小的数据库发展新型材料，能够基于材料的结构和性质出发在复杂工作条件探索材料的进化。

参考文献

Songlin Yu, Haiyang Chai, Yuqi Xiong, Ming Kang, Chengzhen Geng, Yu Liu, Yanqiu Chen, Yaling Zhang, Qian Zhang, Changlin Li, Hao Wei, Yuhang Zhao, Fengmei Yu, Ai Lu, Studying Complex Evolution of Hyperelastic Materials under External Field Stimuli using Artificial Neural Networks with Spatiotemporal Features in a Small-Scale Dataset, Adv. Mater. 2022,

DOI: 10.1002/adma.202200908

https://onlinelibrary.wiley.com/doi/10.1002/adma.202200908