第七届材料基因工程高层论坛近期在重庆市山城国际会议中心隆重开幕。我校张统一院士任大会学术委员会主席，共45位两院院士和海外院士出席本届论坛，120位海内外知名专家学者进行学术报告，展示了来自50家高校院所的近200篇研究生墙报，一千余位代表现场参会。
材料基因院21级博士研究生马家轩、魏清华和王向东与各地的专家学者进行热烈深入的交流，其科研成果得到与会同行的高度肯定，从墙报评选中脱颖而出。马家轩同学（导师孙升研究员）获得了优秀墙报论文奖一等奖，魏清华（导师张统一院士）和王向东同学（联培导师杨炯教授）获得了优秀墙报论文奖“津-天河超算奖”。
右数第四位（马家轩）
左数第四位（王向东），左数第七位（魏清华）
马家轩同学向各位专家学者展示了课题组开发的材料设计的机器学习平台MLMD(Machine Learning for Materials Design)。MLMD旨在为材料科研人员打造端到端（数据-新材料）、无编程的机器学习算法应用环境，是一款开源的材料设计的机器学习平台软件。MLMD包含特征工程，回归、分类预测和聚类、以及使用随机优化算法和基于贝叶斯的主动学习算法进行单目标或者多目标的材料设计。
魏清华同学向各位专家学者介绍了课题组TCGPR算法。通过将数据驱动范式与领域知识相结合，课题组提出了“分而治之”数据挖掘，“合而为一”多目标设计这一新思路，成功地发现了一系列具有高强度和高延展性的无铅焊料合金。
王向东同学向各位专家展示了多目标多可解释机器学习策略。用于预测和理解ABX3钙矿热电材料的延展性和ZT。具体运用SHAP和SISSO分别对关键特征与目标值(Puah's ratio 和ZT)进行定性分析和定量分析。发现SISSO和SHAP 的结果与一些域知识是一致的。主要结论是: 较大的 EN(ab)A/B 的结构往往具有较高的能带简并，导到较高的ZT:较高的EN(ab)A/B 对应较弱的 B-X键降低了剪切模量(G)和Puh'sratio提高了材料的延展性;材料分析结果表明，较大V的结构往往具有较小的G和较低的晶格热导率，从而具有较大的延展性和ZT。
马家轩、魏清华和王向东同学与专家学者们展开了热烈深入的交流，其科研工作得到与会同行的一致认可和好评。
