德國馬克斯·普朗克研究所將自然語言處理與深度神經網絡相結合，開發出一種過程感知神經網絡模型，能夠同時促進數字與文本數據的訓練，增強耐腐蝕合金設計的機器學習能力。除了數字輸入訓練之外，過程感知神經網絡模型能夠接受與合金加工歷史和電化學測試方法有關的文本輸入，點蝕電位預測準確性優于簡單神經網絡模型，能夠更準確地識別給定電化學環境中合金元素對耐點蝕性能的貢獻。此外，該模型還將合金的輸入成分轉換為基于元素物理/化學性質的合金描述符，有效識別構型熵、原子堆積效率、元素之間局部電負性差和原子半徑差等提供耐點蝕性能的關鍵參數。