用AI设计金属薄膜颜色…国立釜庆大学开发色彩预测机器学习模型

by Kim Yongu

Published 20 Oct.2025 14:37(KST)

物理学系 Lee Seunghun 教授团队提出利用人工智能设计材料物性的方向

利用人工智能设计金属薄膜颜色的机器学习模型已经被开发出来，引发学界关注。该研究被评价为为利用人工智能进行材料物性设计指明了方向。

国立釜庆大学（校长 Bae Sanghun）物理学系 Lee Seunghoon 教授研究团队，利用人工智能开发出了能够精确预测金属氧化物薄膜颜色的新型物理基础机器学习模型。

该研究在电磁学原理直接反映到机器学习（机械学习）算法学习过程的“核技巧（kernel trick）”策略基础上，同时提升了学习效率和预测精度，因此备受瞩目。

金属氧化物薄膜的颜色会随着表面微结构和氧化程度的不同而变化，通过调控这些因素可以实现多种颜色。然而，要定量预测工艺条件（如氧化时间和温度、厚度等）与颜色之间的非线性相关性一直是个难题。

研究示意图。（上）根据氧化工艺条件开发颜色预测模型的研究概要，（左下）用于模型训练的实验数据，（右下）通过机器学习模型预测的不同氧化工艺条件下的色卡。

为克服这一局限，Lee Seunghoon 教授团队利用机器学习技术，寻找将物理原理反映到模型内部的方法。他们基于数据的电磁学特性，直接设计算法的核函数，提出了一种能够同时提升学习效率和预测性能的策略。

Lee 教授表示：“这是一个通过将物理学理解整合进机械学习，从而同时提高学习效率和预测精度的案例”，并称“通过本研究提出的概念和具体示例，将为不同专业领域更容易理解和应用机械学习奠定基础”。

收录该研究成果的论文《Optimizing a machine-learning model for color design of metal oxides/metal multilayers with physics-guided kernel trick》近日以在线版形式发表在材料科学领域国际学术期刊《Materials Research Letters》（金属材料工程领域期刊引文报告排名 7.2%）上。