个人信息
Personal Information
联系方式
Contact Information
个人简介
Personal Profile
2003年6月于湖南大学工程力学系获学士学位；2006年6月获湖南大学固体力学专业硕士学位；2011年6月于东南大学获固体力学方向博士学位；2008.1-2009.11作为联合培养博士生，在美国乔治华盛顿大学合作科研；2011年9月至2014年9月在华东理工大学机械与动力工程学院从事博士后研究。2014年9月至2018.12，在同济大学航力学院担任助理教授，2019年1月至今，在同济大学航力学院担任副教授。
研究方向一：致力于人工智能与材料疲劳与断裂的交叉领域的前沿研究，推动基于深度学习的语义分割技术融入到材料疲劳与断裂分析中，构造从微观组织重建、裂纹扩展路径预测到断面识别的智能化设计与失效分析框架。
研究方向二：结合多尺度计算方法，进行先进材料和结构的疲劳失效分析，将研究范围从材料尺度拓宽至结构尺度，推进其在深海装备的疲劳寿命预测及综合性能评估中的应用。
研究方向三：基于大语言模型的力学问题求解。
截止到2024年11月，已发表学术论文60余篇，以第一/通讯作者身份在Int. J. Fatigue、Compos. Sci. Technol.、Int. J. Mech. Sci.等高水平期刊发表SCI论文三十余篇，Google Scholar 他引次数近700 次，2024年课题组发表机器学习相关的论文有Int. J. Fatigue（2 篇）、Compos. Sci. Technol. （1篇）、Int. J. Mech.Sci. （2 篇）、Eng. Fract. Mech. （2 篇）、践行出特色交叉之路，初步建立了智能化的材料失效分析与设计评估框架。
课题组规模适中，科研经费宽裕，凝聚力强，学术氛围佳。导师根据研究生特点与个人兴趣，量身制定培养模式，发挥学生潜力，实现学术及人生价值的双重提升。课题组定期参加国内外学术会议，研究生能力可得到全方位锻炼与提高。
课题组与美国佐治亚大学 (University of Georgia, UGA)，德克萨斯农工大学 (Texas A&M University, TAMU), 罗马一大(Sapienza University of Rome), 帕杜瓦大学(University of Padua)等国外高校课题组建立深度科研合作关系。课题组科研气氛浓厚，连续四年皆有学生出国深造。研究生毕业就业去向为上海商飞、比亚迪、联合汽车电子等知名企业。
指导本科生以第一作者身份在国际疲劳领域的顶刊发表论文；指导研究生连续三年获同济大学优秀硕士学位论文(2021~2023)、2022年以来3人次获研究生国家奖学金等，5 人次获国内外学术会议最佳学生报告等。学生在力学领域的国际顶尖会议如世界力学家大会（2024），亚澳复合材料大会（2024）上做学术报告。
欢迎力学、机械以及更多不同专业背景的学生报考硕士和博士研究生！
课题组logo FCM(Fatigue Computational Materials)
FCM（Fatigue Computational Materials）课题组大聚会
FCM（Fatigue Computational Materials）课题组研究室
课题组参加华东固体力学学术会议并作报告
课题组一年级硕士生相宇杰在香港参加国际学术会议并获“最佳学生报告奖”
国内外线上线下结合的课题组研究生答辩
课题组就神经网络相关的问题讨论
主持完成上海市自然科学基金面上项目1项，中央高校科研业务费2项，完成国家自然科学基金面上项目及青年项目、中国博士后及上海市博士后科研等省部级以上项目4项。
主持中国科学院力学研究所协作课题，深海装备课题等。
上传附件
支持扩展名：.rar .zip .doc .docx .pdf .jpg .png .jpeg上传附件
支持扩展名：.rar .zip .doc .docx .pdf .jpg .png .jpeg上传附件
支持扩展名：.rar .zip .doc .docx .pdf .jpg .png .jpeg国家自然科学基金面上项目，11872278，钛合金疲劳小裂纹扩展的多尺度分段模型与原位试验研究， 2019/01-2022/12，主持.
国家自然科学基金青年项目，11302078，高温钛合金蠕变疲劳交互作用的双尺度裂纹模型修正，2014/01-2016/12，主持.
中国博士后科学基金，2013M531139，高温合金蠕变-疲劳交互作用的多尺度模型修正，2013/01-2014/12，主持.
上海市博士后科研资助，12R21412000，结构疲劳寿命预测的多尺度策略与安全可靠性研究，2012/01-2013/12，主持.
2022至今发表论文
[1]Zhaojun Du, Keke Tang*, Paolo Ferro. Quantitative analyses ongeometric shape effect of microdefect on fatigue accumulation in 316L stainlesssteel. Engineering Fracture Mechanics, 2022; 269:108517. (JCR Q1,IF=4.898)
[2]Keke Tang*, Kunrong Chen, Paolo Ferro, et al. Quantifying lamellarmicrostructural effect on the fatigue performance of bimodal Ti-6Al-4V withmicrodefect. International Journal of Fatigue, 2022; 163:107045.(JCR Q1, IF=5.489)
[3]Jie Tian, Keke Tang*, Xianyan Chen, Xianqiao Wang*,Machine learning-based prediction and inverse design of 2D metamaterialstructures with tunable deformation-dependent Poisson's ratio. Nanoscale,2022; 14:12677-12691. （目前引用次数已达30次）首次提出基于定制化曲线的超材料结构逆向设计的机器学习模式
[4]Xiao Cai, Keke Tang*, Paolo Ferro, et al. Coordinated effect ofmicrostructure and defect on fatigue accumulation in dual-phase Ti-6Al-4V:Quantitative characterization. International Journal of Fatigue,2023; 167:107305. (JCR Q1, IF=5.489)
[5]Keke Tang*, Jie Tian, Yujie Xiang, et al. Adaptivetriangular-mesh coarse-grained model for notched 2D metamaterials: A hybrid FEAand top-down approach. Theoretical and Applied Fracture Mechanics,2023; 127: 104077. (JCR Q1, IF=5.0)
[6]Yindun Zhao, Keke Tang*, Paolo Ferro, et al. Crystal plasticitymodeling fatigue behavior in bimodal Ti–6Al–4V: Effects of microdefect andlamellar orientation. Fatigue & Fracture of Engineering Materials& Structures, 2024; 47(6):2195‐2214. (JCR Q2, IF=3.1)
[8]Guangxu Chen, Yujie Xiang, Keke Tang*. A comparative study offatigue crack driving force considering in-plane constraint effect. InternationalJournal of Fatigue, 2024;189:108576. (JCR Q1, IF=5.489)
[9]Keke Tang*, Yujie Xiang, Jie Tian, Jixin Hou, Xianyan Chen, XianqiaoWang*, Zheng Zhong*, Machine learning-based morphological and mechanicalprediction of kirigami-inspired active composites, International Journalof Mechanical Sciences, 2024; 266:108956. (JCR Q1, IF=7.1)
[10]Yujie Xiang, Jixin Hou, Xianyan Chen, R. Pidaparti, Kenan Song, Keke Tang*,Xianqiao Wang*, A GAN-based stepwise full-field mechanical prediction model forarchitected metamaterials. International Journal of Mechanical Sciences,2024; 284: 109771. (JCR Q1, IF=7.1)
[11]Yindun Zhao, Yujie Xiang, Keke Tang*, Machine learning-basedfatigue life prediction of lamellar titanium alloys: A microstructuralperspective. Engineering Fracture Mechanics, 2024; 303: 110106.(JCR Q1, IF=4.7)
[12]Keke Tang*, Peng Zhang, Yindun Zhao, Zheng Zhong*, Deeplearning-based semantic segmentation for morphological fractography. EngineeringFracture Mechanics, 2024; 303:110149. (JCR Q1, IF=4.7)首次推动语义分割技术在微观断口分析中的应用
[13]Peng Zhang, Keke Tang*, Guangxu Chen, Jiangfeng Li, Yan Li*,Multimodal data fusion enhanced deep learning prediction of crack pathsegmentation in CFRP composites, Composites Science and Technology,2024; 257:110812. (JCR Q1, IF=8.3) 首次引入语义分割概念实现裂纹路径预测
[14]Peng Zhang, Keke Tang*, Anbin Wang, Hao Wu, Zheng Zhong*, Neuralnetwork integrated with symbolic regression for multiaxial fatigue lifeprediction, International Journal of Fatigue, 2024; 188:108535. (JCRQ1, IF=5.489) 将符号回归首次融入到神经网络预测多轴疲劳寿命
[15]Benjin Wang, Peng Zhang, Yujie Xiang, Dalei Wang, Keke Tang*,Airong Chen*, Advancing Structural Failure Analysis with Physics-InformedMachine Learning in Engineering Applications, Engineering, (2024 中科院旗舰院刊邀请综述，已提交). 物理信息融合的人工智能赋能结构失效分析
[16]J. Tian§, J.X. Hou§, Z.H. Wu§, P. Shu, Z.L.Liu, Y.J. Xiang, B.K. Gu, N. Filla, Y.W. Li, N. Liu, X.Y. Chen, K.K.Tang*, T.M. Liu*, X.Q. Wang*, Assessing Large Language Models inMechanical Engineering Education: A Study on Mechanics-Focused ConceptualUnderstanding, arXiv:2401.12983 大语言模型在力学基本问题中的评估
文件上传中...
同济大学
