面向基于方程的预测与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，现有的数据驱动方法受限于碎片化的知识表示以及在稀疏数据条件下不可靠的外推。在本研究中，我们提出了一个本体引导、以方程为中心的框架，将大语言模型 (LLMs) 与增材制造数学知识图谱 (AM-MKG) 紧密集成，以实现可靠的知识提取与有原则的外推建模。通过在形式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与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，强制实施具有物理意义的功能形式，并缓解非物理或不稳定的外推趋势。为了评估超越常规预测不确定性的可靠性，引入了置信度感知外推评估，将外推距离、统计稳定性与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，本体引导的提取显著提升了提取知识的结构连贯性与定量可靠性，而与无引导 LLM 输出相比，以子图为条件的方程生成产生了稳定且物理一致的外推。总体而言，这项工作建立了一个统一的本体驱动知识表示、以方程为中心的推理与基于置信度的外推评估流程，突显了知识图谱增强 LLM 作为增材制造外推建模可靠工具的潜力。