作者:古宏麒、黃博煜、劉偉軒、黃宣諭物理導向AI驅動跨材料複材應用之零樣本參數精準導航
在淨零碳排的趨勢下，具備輕量化與高強度特性的複合材料成為航太與運具等產業的發展核心。
然而，複材製程參數開發長期受限於高昂的CAE（Computer-aided Engineering）軟體門檻與繁瑣試誤流程。
當導入新材料時，傳統仰賴大量模擬與實驗的方法，常導致開發週期過長且成本高昂。本研究提出「物理導向零樣本整體式學習」（Physics-guided Zero-Shot Ensemble Learning）AI 技術，能利用既有材料知識推論新材料參數，解決跨材料特性預測問題，成功減少超過50% 的模擬與試驗次數。同時透過遷移學習（Transfer Learning），以少量真實數據進行模型補償，使模型預測值與真實強度誤差降至 3% 以下，大幅提升複材製程優化效率與精度。