机器学习近年来发展迅速,不仅在计算机领域取得了突破,还广泛应用到许多传统学科。材料科学作为一门以实验为主的传统学科,新材料开发成本高昂,因此数据驱动的材料基因组工程方法是材料学科热门的研究方向。然而,由于材料数据存在多源、异构、小样本、含噪声等特性,限制了机器学习方法的应用。因此,本文聚焦材料数据规范化以及若干机器学习算法的实际应用,主要工作包括:1、针对材料数据复杂难以表达等问题,提出材料数据规范设计方法,该方法基于层次化设计思想,使用巴克斯范式定义规范,可扩展模式定义实现规范,可扩展标记语言存储数据,可扩展样式语言转换、展示和输出数据。此外,通过可视化材料数据规范设计系统及十余个真实材料数据规范的应用,进一步表明本文所研究的材料数据规范具有形式化、灵活、易用和可扩展等特点,可应对复杂异构的材料数据。2、针对大规模材料数据聚类学习问题,研究基于Spark的人工蜂群聚类算法,该算法旨在利用Spark的分布式内存计算来提高聚类误差函数——类簇内误差平方和的计算效率,从而应对大规模数据集。在玻璃成型能力聚类分析问题上,经20次随机初始化计算,该算法得到的误差最大值仅为K-means算法误差最大值的63%,表明该算法聚类效果更加稳定。在多节点Spark集群的实验中,从单节点到四节点的加速比接近线性,表明在数据量充足的情况下算法具有较高的并行效率。3、针对材料多目标性能优化问题,研究带线性约束的多目标遗传算法,该算法主要创新点在于使用组合编码方式来实现线性等式约束,使算法可精确获得满足约束条件的解。相比于网格搜索方法的指数级时间复杂度,本算法可根据解集质量要求灵活调整运行时间。在负膨胀材料的温度区间和膨胀系数多目标优化问题上,经20次随机初始化运行,解集含帕累托最优解的比例最大为100%,最小为72%,平均为81%。同时,解集在两个目标方向上的取值分别能够达到原有数据集取值范围的113%和88%,表明该算法有较高的搜索效率同时解集分布良好。4、针对材料数据机器学习的自动化和智能化问题,采用自动流程设计,开发机器学习自动流程系统。该系统使用可视化拖动方式搭建流程,通过后台流程运行引擎自动完成流程中数据读取、特征选择、算法训练、超参选择、多目标优化等过程,从而降低材料领域进行复杂机器学习的门槛和难度。