工作职责和业绩:
注: 此处工作经历为博士期间所承担的研究课题。
• 研究概要: 以日本科学振兴机构(JST)的开发新耐磨耐腐蚀合金项目为背景，尝试在项目全程的各个环节中引入与当前数据相适应的数据科学方法与机器学习算法，从有限实验样本中尽可能地挖掘出具有参考价值的信息，从而缩短实验及分析周期，快速迭代出满足交付要求的高性能材料。后期通过对实验组与对比组的一系列表征，理论上建模解释导致材料性能提升的根本成因。此外本人积极参与实验室其它研究课题，培养实验室人员的数据科学思维与统计分析技能，为各种数据相关问题提供可行的解决思路、算法设计以及代码实现支持。
• 研究成果: 用合计50万日元的成本(原预算≥300万日元)，以提前近两年的时间(项目预期三年)设计出达到交付标准的高性能材料。在体系选择阶段，设计析因实验快速挑选出合适的体系；成份决定阶段，开发了一种利用特征分解结合蒙特卡罗采样的分析手段，从有限实验样本中获取条件限定下各因子与性能指标的相关性，以辅助优化成份；工艺参数确定阶段，用R语言开发了TPMplt工具，布署增强卡曼滤波及支持向量回归以提升输出的稳定性，让该领域的复杂建模计算过程首次得以自动化实现；机理解析阶段，用EM算法对复合二元体系的测试数据点进行自动聚类，基于聚类结果进一步建模材料腐蚀过程，用化学计量学的方法(偏统计)首次量化了“微腐蚀电池”结构随反应进行的电位特性，阐明腐蚀机理。更多可参考: https: //www.tohoku.ac.jp/japanese/2019/08/press20190828-01-super.html。
个人于博士期间的论文发表:
[1] Chen Zhang, Kenta Yamanaka, Huakang Bian, and Akihiko Chiba. Corrosion-resistant carbide-reinforced martensitic steel by cu modification. npj Materials Degradation, 3(1) : 1–11, 2019.
[2] C. ZHANG, H. BIAN, K. YAMANAKA, A. CHIBA, “VBTree: Automatic Completion of Group Operation on Structural Dataset”, the International Society for Data Science and Analytics, ISDSA 2019.