甘肃科技报社融媒体中心讯（记者 张云文） 近日，中国科学院兰州化学物理研究所润滑材料全国重点实验室计算摩擦学课题组发布摩擦学领域垂域大模型TriboBERT，为摩擦学文献挖掘、材料性能预测和科研知识发现提供新工具。
摩擦现象受材料成分、接触条件、温度、湿度及润滑剂化学性质等多重因素影响，具有高度复杂性。传统机器学习方法通常依赖研究人员手动设计特征，不仅耗时，也对专家经验要求较高。与此同时，大量摩擦学实验数据和材料信息分散在非结构化论文中，难以直接利用。
针对这一问题，研究团队从科学引文索引核心合集检索摩擦学文献，获得近20万篇摘要和超过10万篇全文，构建了领域预训练语料库。在材料科学BERT模型基础上，团队采用掩码语言建模方法开展持续训练，使模型更加熟悉摩擦学术语、材料体系和实验条件，形成面向该领域的专业语言模型。
评估结果显示，该模型在润滑剂缩写与全称匹配任务中的准确率达到90%，明显优于通用语言模型。在文献聚类分析中，模型还能够识别出通用摩擦学、涂层、轴承、人工关节、牙科摩擦学等多个研究方向，展现出较强的专业语义理解能力。
在类金刚石薄膜摩擦系数预测中，研究人员将实验记录转化为文本描述，再由模型提取语义特征。经过五折交叉验证，模型取得较高的预测精度，且无需手动设置硬度、粗糙度、速度和载荷等传统数值特征。这表明，人工智能模型能够从科研文本中自动提取有价值的信息，为材料性能预测提供新的思路。
据悉，该模型并非针对单一任务开发，而是面向摩擦学文本理解的基础设施。科研人员可将其用于文献检索、材料信息抽取、构效关系分析和知识发现等工作。目前，模型已在模型托管、数据集共享平台“抱抱脸（Hugging Face）”上公开，供全球科研人员免费下载使用。
