3. 材料特征工程与描述符构建
在材料性能可解释机器学习中，特征工程不是简单的数据预处理，而是把“材料学知识”翻译成“模型可读变量”的核心环节。一个描述符是否有效，取决于它能否在数值上区分不同材料状态，同时又能对应到明确的物理机制。本节围绕成分、结构、工艺、微观组织四类特征，说明它们的表示方法、物理意义以及构建时的关键取舍。
一、成分特征：从元素到物理化学量
成分是最基础的材料特征。最直接的表示是元素质量分数或原子分数向量，例如对 Fe-Cr-Ni 合金可写成 [Fe:0.70, Cr:0.18, Ni:0.12]。但直接把元素种类作为 one-hot 编码，会丢失元素间的相似性，且维度随合金体系膨胀。更有效的做法是引入元素本征属性加权平均，即把合金看作元素性质的“混合体”。
常用元素属性包括：原子半径、电负性、价电子浓度（VEC）、熔点、弹性模量、混合焓等。以 VEC 为例，其定义为各元素价电子数按原子分数加权求和：
VEC = Σ (c_i × VEC_i)
其中 c_i 为元素 i 的原子分数，VEC_i 为其价电子数VEC 与面心立方/体心立方相稳定性密切相关，是高温合金、高熵合金中判断相结构的重要描述符。类似地，原子尺寸差 δ 可衡量晶格畸变程度：
δ = sqrt( Σ c_i × (1 - r_i / r_avg)^2 ) × 100%
r_avg = Σ c_i × r_iδ 越大，固溶体晶格畸变越强，通常对应更高的强度但可能降低塑性。这类“成分→物理量”的映射，使模型在有限数据下仍具备外推能力。
二、结构特征：晶体学与电子结构描述符
结构特征描述原子排列方式与电子状态。晶体结构层面，常见描述符包括晶格常数、空间群、配位数、堆垛层错能、晶格畸变能等。对于机器学习，更常用的是把晶体结构转化为局部环境描述符，例如原子中心对称函数（ACSF）、SOAP 或 Coulomb 矩阵。这些描述符能编码每个原子周围的键长、键角分布，适合预测形成能、带隙、弹性常数等。
电子结构层面，d 带中心、态密度在费米能级处的值、功函数等是催化与表面性能的关键。例如 d 带中心越靠近费米能级，表面吸附越强。这类特征通常来自 DFT 计算，成本高但物理意义明确，适合作为“教师特征”指导小样本模型。
三、工艺特征：把“过程历史”编码为变量
工艺决定材料最终状态，但工艺参数往往是时间序列或路径依赖的。简单做法是取关键工艺节点值，如退火温度、保温时间、冷却速率、轧制压下量、烧结温度与时间。更完整的做法是构造热历史描述符，例如用冷却速率与温度区间计算等效热输入，或把温度-时间曲线离散为若干区间统计量。
以铝合金时效为例，可构造：固溶温度、淬火速率、时效温度、时效时间、时效前空位浓度估计等。这些变量共同影响析出相尺寸与分布，进而影响屈服强度。工艺特征的关键是避免“只看终点、不看路径”，否则模型难以区分相同终态但不同历史导致的性能差异。
四、微观组织特征：从图像到定量描述符
微观组织特征直接关联性能。常见定量描述符包括：晶粒平均尺寸、晶粒尺寸分布标准差、相体积分数、第二相颗粒平均半径与间距、位错密度、织构取向分布等。这些量可从金相、EBSD、TEM 图像中提取，也可由相场或晶体塑性模拟生成。
例如 Hall-Petch 关系给出晶粒尺寸 d 与屈服强度 σ_y 的关系：σ_y = σ_0 + k / sqrt(d)。若模型输入包含 d，就能捕捉这一机制。再如第二相颗粒间距 λ 与 Orowan 强化相关：Δτ ∝ 1/λ。把这些物理量作为特征，比直接输入原始像素更可解释、更省数据。
五、多尺度特征融合与物理一致性
实际材料问题往往需要跨尺度特征。成分特征描述“有什么”，结构特征描述“怎么排列”，工艺特征描述“怎么形成”，组织特征描述“最终长什么样”。四者并非独立：工艺影响组织，组织由结构决定，结构又受成分约束。因此特征工程应尽量保持物理一致性，例如用同一原子分数体系计算 VEC 与 δ，避免单位或基准不一致。
下面用一张关系图概括四类特征如何共同作用于性能，并标出典型描述符与物理机制。
图中横向箭头表示特征间的生成关系：成分决定结构倾向，结构在工艺下形成，工艺进一步演化组织。纵向汇聚箭头表示四类特征共同作用于性能，而底部三个机制框说明这种作用并非黑箱，而是通过固溶、强化、相变等已知物理路径实现。构建描述符时，应尽量让每个特征都能落到某条机制路径上，这样模型输出才具备可解释性。
综上，成分、结构、工艺、组织四类特征各有其表示方法与物理边界。成分特征强调元素混合效应，结构特征强调原子排列与电子态，工艺特征强调过程路径，组织特征强调最终形貌与缺陷。实际建模时不必追求四类齐全，而应围绕目标性能选择最能体现主导机制的那一类或几类，并用物理一致性约束特征构造，使模型既准确又可解释。