Skip to content

About

AI-powered toolkit for materials science research

Topics

Resources

Stars

0 stars

Watchers

0 watching

Forks

Latest commit

 

History

31 Commits

Folders and files

NameName
Last commit message
Last commit date
 
 
 
 
 
 
 
 
 
 
 
 
 
 

Repository files navigation

🧪 Materials-AI-Kit

AI-Powered Toolkit for Materials Science Research — v4.2

License: MIT Python 3.9+ Version


🌟 Overview

Materials-AI-Kit 是面向材料科学研究者的 AI 工具包,聚焦低碳建材与水泥基体系。

整合机器学习预测、配合比优化、文献管理和实用脚本,开箱即用。配合 NexusFlow 多智能体框架使用可实现自动化科研工作流。

最新基准:NexusFlow 在跨框架对比中得分 92/100(vs AutoGen 88 / CrewAI 85),复杂任务 94.4 分。详见 agent4science 对比报告。


📦 结构

materials-ai-kit/
├── models/           ← ML 模型
│   ├── property_predictor.py    # CNN 强度预测(28d 抗压强度)
│   └── composition_optimizer.py # 配合比反演设计(约束优化)
├── scripts/          ← 实用脚本集
│   ├── ai/           # AI 辅助(文档生成、代码审查)
│   ├── data/         # 数据处理(特征工程、Pipeline)
│   ├── kb/           # 知识库管理(更新、验证)
│   ├── system/       # 系统监控(GPU、健康检查)
│   └── zotero/       # Zotero 集成(批量导入、论文→KB)
├── demo/             ← 在线演示面板
└── requirements.txt

🚀 Quick Start

材料性能预测

from models import PropertyPredictor

predictor = PropertyPredictor()
result = predictor.predict({
    "cement": 400,      # kg/m³
    "water": 180,       # kg/m³
    "aggregate": 1200,  # kg/m³
    "admixture": 5,     # kg/m³
    "fly_ash": 80,      # kg/m³ (粉煤灰掺量)
    "slag": 120         # kg/m³ (矿渣掺量)
})
print(f"预测 28d 强度: {result['strength_28d']:.1f} MPa")
print(f"CO₂ 排放: {result['co2_kg_m3']:.1f} kg/m³")

配合比优化

from models import CompositionOptimizer

optimizer = CompositionOptimizer()
mix = optimizer.optimize(
    target_strength=50.0,        # MPa
    constraints={
        "water/binder": 0.45,    # 最大水胶比
        "sand_ratio": 0.35,      # 砂率
        "min_fly_ash": 50,       # 最小粉煤灰掺量 kg/m³
        "max_co2": 300           # 最大碳排放 kg/m³
    },
    objective="minimize_co2"     # 优化目标
)
print(f"最优配合比: {mix}")
print(f"预计强度: {mix.strength:.1f} MPa")
print(f"预计碳排放: {mix.co2:.1f} kg/m³")

实用脚本

# 数据处理 Pipeline
python scripts/data/mat_pipeline.py --input data.csv --output features.csv

# 知识库更新
python scripts/kb/kb_update.py --add new_paper.json

# GPU 监控
python scripts/system/gpu_monitor.py

# Zotero 批量导入
python scripts/zotero/zotero_batch.py --collection "cement"

# 知识库验证
python scripts/kb/kb_validate.py --check-links

🔬 研究聚焦

本工具包特别关注以下低碳建材方向:

方向 工具支持 说明
SSC(煅烧粘土石灰石水泥) 配合比优化 LC3 体系配比设计
纳米改性混凝土 性能预测 纳米 SiO₂/TiO₂ 掺量优化
固废利用 数据 Pipeline 煤矸石/粉煤灰/矿渣活性评估
AI 辅助设计 ML 模型 CNN 强度预测 + 约束优化

📊 Demo

在线演示面板展示材料性能预测和配合比优化效果:

# 本地运行 Demo
cd demo && python -m http.server 8080
# 访问 http://localhost:8080

🔗 关联项目

项目 说明 最近更新
NexusFlow 群体智能引擎(CDoL 认知分工,10-Agent) 2026-07-14
agent4science 学术工具集 & 知识库入口 2026-07-15
xuanshu-knowledge-base 知识库 v2(524 篇论文 / 30 分类) 2026-06-15
xuanshu-ui-gallery UI 风格库(6 种 CSS 主题) 2026-06-14
qiu 秋 · 项目指南文档 2026-06-13

🌐 生态导航

🏛️ XuanHub 开源生态
├── 🔬 NexusFlow                 ← 核心 AGI 框架 (v2.8, CDoL+端边云)
├── 📚 xuanshu-knowledge-base    ← 知识库 (524篇 / 30分类)
├── 🧪 materials-ai-kit          ← 材料AI工具包(本仓库)
├── 🧰 agent4science             ← 学术工具集 & 评估引擎
├── 🎨 xuanshu-ui-gallery        ← UI风格库 (6种CSS主题)
└── 📖 qiu                       ← 项目指南

📄 License

MIT

About

AI-powered toolkit for materials science research

Topics

Resources

Stars

0 stars

Watchers

0 watching

Forks

Releases

Packages

Contributors

Languages