近日，山东省区块链金融重点实验室青年博士徐翔作为第一作者撰写的论文“A Generative Adversarial Networks (GAN) based Efficient Sampling Method for Inverse Design of Metallic Glasses”在期刊《JOURNAL OF NON-CRYSTALLINE SOLIDS》上发表。该期刊为中科院2区期刊，影响因子4.5，属我校A1类期刊。
本文运用机器学习方法中的GAN和XGBoost方法解决材料科学中金属玻璃设计困难的问题，是典型的学科交叉问题。本文提出面向非晶合金成分生成的GAN模型，快速生成大量非晶合金成分样本，并从有效性、新颖性、和独特性方面进行了评估，同时采用两种不同的XGBoost模型来进一步验证生成样本的有效性。本文首次将GAN方法应用于金属玻璃成分的生成中，大大减少了传统的实验-试错法带来的人力物力开销，提高了金属玻璃开发效率。
（供稿审核人：沈万芳）
