[1] 基于机器学习的亚稳β钛合金多层级微观组织智能调控和强塑性协同设计，2025JC-YBQN-626，自然科学基础研究计划-一般项目-青年项目（C类），省部级，2025.01-2026.12，主持，5万元；

[2] 机器学习赋能的Ti55531合金多层级微观组织特征调控研究，YJ202502，西安建筑科技大学“四＋”转型科学研究计划培育项目，校级，2025.09-2027.09，主持，7万元；

[3] 轧制工艺对小规格TC4钛合金棒材微观组织及力学性能的影响研究，企业合作项目，横向课题，2025.08-2025.09，主持，6.2万元；

[4] 异质形核过程中熔体-衬底间界面层结构的形成机制及调控作用，51871183，国家自然科学基金面上项目，国家级，2019.01-2022.12，参与，60万元；

[5] 合金成分-组织-性能关联模型研究，企业合作项目，横向课题，2021.11-2022.04，参与，45.5万元；

[6] 新型高铬铁素体耐热合金的数据库设计与开发，企业合作项目，横向课题，2020.09-2022.03，参与，43万元。

基于机器学习的亚稳β钛合金多层级微观组织智能调控和强塑性协同设计，2025JC-YBQN-626，自然科学基础研究计划-一般项目-青年项目（C类），省部级，2025.01-2026.12，主持，5万元；

机器学习赋能的Ti55531合金多层级微观组织特征调控研究，YJ202502，西安建筑科技大学“四＋”转型科学研究计划培育项目，校级，2025.09-2027.09，主持，7万元；

轧制工艺对小规格TC4钛合金棒材微观组织及力学性能的影响研究，企业合作项目，横向课题，2025.08-2025.09，主持，6.2万元；

异质形核过程中熔体-衬底间界面层结构的形成机制及调控作用，51871183，国家自然科学基金面上项目，国家级，2019.01-2022.12，参与，60万元；

合金成分-组织-性能关联模型研究，企业合作项目，横向课题，2021.11-2022.04，参与，45.5万元；

新型高铬铁素体耐热合金的数据库设计与开发，企业合作项目，横向课题，2020.09-2022.03，参与，43万元。

[1]   X. Hu,Y. Chen, J. Lu, C. Xing, J. Zhao, Q. Wu, Y. Jia, J. Li, Z. Wang, J. Wang,Three-step learning strategy for designing 15Cr ferritic steels with enhancedstrength and plasticity at elevated temperature, J. Mater. Sci. Technol. 164(2023) 79–94. https://doi.org/10.1016/j.jmst.2023.04.034.

[2]   X. Hu,H. Li, C. Liu, J. Kang, L. Wang, C. Xing, J. Wu, J. Wang, Multi-objectivedesign of Ni-B-Al master alloy by adaptive machine learning-drivenaluminothermic reduction experiment, J. Alloys Compd. 1010 (2025) 177403.https://doi.org/10.1016/j.jallcom.2024.177403.

[3]   X. Hu,J. Li, Z. Wang, J. Wang, A microstructure-informatic strategy for Vickershardness forecast of austenitic steels from experimental data, Mater. Des. 201(2021) 109497. https://doi.org/10.1016/j.matdes.2021.109497.

[4]   X. Hu,J. Wang, Y. Wang, J. Li, Z. Wang, Y. Dang, Y. Gu, Two-way design of alloys foradvanced ultra supercritical plants based on machine learning, Comput. Mater.Sci. 155 (2018) 331–339. https://doi.org/10.1016/j.commatsci.2018.09.003.

[5]   X. Hu,J. Zhao, Y. Chen, Y. Wang, J. Li, Q. Wu, Z. Wang, J. Wang, Structure-propertymodeling scheme based on optimized microstructural information by two-pointstatistics and principal component analysis, J. Mater. Inform. 2 (2022) 5.https://doi.org/10.20517/jmi.2022.05.

[6]   X. Hu,J. Zhao, Y. Chen, J. Li, Z. Wang, J. Wang, Continually reactivatingiterative-projection method for instantiating microstructure from two-pointstatistics, Acta Mater. 238 (2022) 118230.https://doi.org/10.1016/j.actamat.2022.118230.

[7]   X. Hu,J. Zhao, J. Li, Z. Wang, Y. Chen, J. Wang, Global‐Oriented Strategy forSearching Ultrastrength Martensitic Stainless Steels, Adv. Theory Simul. 5(2022) 2100411. https://doi.org/10.1002/adts.202100411.

[8]   Y. Hu,X. Hu, L. Zhang, T. Zheng, J. You, B. Jia, Y. Ma, X. Du, L. Zhang, J. Wang, B.Che, T. Chen, S. (Frank) Liu, Machine‐Learning Modeling for Ultra‐StableHigh‐Efficiency Perovskite Solar Cells, Adv. Energy Mater. 12 (2022) 2201463.https://doi.org/10.1002/aenm.202201463.

[9] C.Guo, X. Hu, X. Han, Y. Gao, T. Zheng, D. Chen, X. Qiu, P. Wang, K. Xu, Y. Chen,R. Zhou, M. Zong, J. Wang, Z. Xia, J. Hao, K. Xie, Laser Precise Synthesis ofOxidation-Free High-Entropy Alloy Nanoparticle Libraries, J. Am. Chem. Soc. 146(2024) 18407–18417. https://doi.org/10.1021/jacs.4c03658.