金属等各种材料具有不同的性质，人们往往根据其性能确定它的用途。但是寻找一种新材料的工作是十分艰苦的。一般要通过大量的“配方炒菜”式的实验工作，才能筛选出较好的材料。以高温合金为例，试制一种新的高温合金要初筛千百种配方，初选后还要做成千小时的高温长期性能测试。这一类先搞大批“配方炒菜”，再逐一测试性能的工作方法需要消耗大量的人力、物力和时间。如何利用计算机信息处理方法使寻找新材料的工作方式有所改进，以收到事半功倍的效果，是近数十年来许多科学家努力研究的课题。

瑞典钢铁公司试制了15种新钢种，在新钢种的钢材加工过程中，有9种钢材开裂，另6种不开裂。为了查明钢中微量元素对钢材开裂的影响，他们分析了这15种钢材中的17种微量元素，并用模式识别的SIMCA算法寻找规律。结果发现：“好钢”的成分代表点集中在一个较小的区域，可包括在一个高维空间的包络面内；“坏钢”的数据点则很分散。这是因为引起开裂的原因不止一种，所以“坏钢”区事实上是多个区域的叠加。

模式识别将成为材料研究工作者不可缺少的工具。实验工作者将利用它整理实验数据，从中最大限度地提取信息，使人变得“聪明”些，少走弯路，快些获得成功。理论工作者将利用它找经验规律，从中得到新的启发。工程技术人员可以用它总结生产控制、分析检验中获得的数据和经验，有利于改进生产和技术管理。另外，各种材料的数据库也会对材料的研究、设计、生产起越来越大的作用。带有模式识别技术软件的数据库将不仅能对已知材料作咨询服务，还能对未曾实验过的新材料、新物性进行预报，这对材料的开发也将起巨大的作用。