从合金微结构反推配方：基础视觉表征的迁移不及领域统计

金属合金力学性质由微观结构和织构决定，即晶粒大小、形状与晶体取向；结构又由合金成分及加工参数决定。开发通常正向调整结构来满足性质目标，反向从优化结构找生产配方仍依赖专家。我们研究是否可学习反向步骤。在14种合金的107种镁合金挤压条件数据上，每种条件有显微图和X射线织构测量，比较传统晶粒与织构统计、预训练图像编码器嵌入以及晶粒网络GNN三类描述符，并分别预测给定加工条件的成分和给定成分的加工参数。五折交叉验证中，传统描述符在65%的留出条件识别正确合金，常见合金猜测基线为17%，学习嵌入低于30%。加工参数可恢复但更嘈杂，加入微观结构使温度误差相对仅用成分大致减半。所铸合金和压机设置数量较少，两个答案空间均离散；从已知选项选取并尊重顺序的预测头优于自由数值预测头。