大模型正深刻改变科研范式，在处理多源异构信息、挖掘深层关联规律方面展现出显著优势。摩擦学作为研究表面接触与相对运动过程中摩擦、磨损与润滑行为的学科，其数据呈现多源、异构、高维度特征。因此，大模型是揭示摩擦、磨损起源，实现润滑材料的主动设计的可行方案。然而，当前摩擦学领域缺乏系统构建的专业语料库及专用大模型。为此，本研究首先基于第一性原理计算、高通量筛选、实验测试结果及Web of Science收录的约20万篇摩擦学文献，构建覆盖基础理论、材料体系与工艺参数的多源摩擦学语料库；在此基础上，利用DeBERTa模型进行领域自适应预训练，得到面向摩擦学任务的Friction‑DeBERTa模型；进一步，将实验室润滑材料制备工艺数据转化为结构化语言描述，通过Friction‑DeBERTa提取工艺嵌入向量，并结合神经网络构建工艺—润滑性能映射模型，实现对润滑材料摩擦性能的准确预测。本研究为摩擦学领域构建了融合多源数据与领域大模型的知识驱动框架，有望突破传统研究方法的局限，提升材料研发效率，推动数据驱动摩擦学新范式的发展。
 

料库；大模型；数据驱动；润滑材料；润滑机理。