面向基于方程的预测性可靠增材制造的数学知识图谱驱动框架

增材制造（AM）关键依赖于对工艺-性能关系的理解与外推；然而，现有数据驱动方法仍受限于碎片化的知识表示以及稀疏数据条件下不可靠的外推。在本研究中，我们提出一个本体引导、以方程为中心的框架，将大语言模型（LLM）与增材制造数学知识图谱（AM-MKG）紧密集成，以实现可靠的知识抽取和有原则的外推建模。通过在本体中显式编码方程、变量、假设及其语义关系，非结构化文献被转化为支持结构化查询和推理的机器可解释表示。基于 LLM 的方程生成进一步以 MKG 导出的子图为条件，强制产生物理上有意义的函数形式，缓解非物理或不稳定的外推趋势。为评估超越常规预测不确定性的可靠性，我们引入置信度感知的外推评估，将外推距离、统计稳定性和基于知识图谱的物理一致性整合为统一的置信度分数。结果表明，本体引导的抽取显著提升了所抽取知识的结构连贯性和定量可靠性，而以子图为条件的方程生成相比无引导的 LLM 输出产生了稳定且物理一致的外推。总体而言，这项工作建立了一条本体驱动知识表示、以方程为中心的推理和基于置信度的外推评估的统一流水线，凸显了知识图谱增强的 LLM 作为增材制造外推建模可靠工具的潜力。