机器学习指导相和硬度可控的AlCoCrCuFeNi系高熵合金设计

作     者：李亚豪 叶益聪 赵凤媛 唐宇 朱利安 白书欣 LI Yahao;YE Yicong;ZHAO Fengyuan;TANG Yu;ZHU Li’an;BAI Shuxin

作者机构：国防科技大学空天科学学院材料科学与工程系长沙410073 

出 版 物：《材料工程》 (Journal of Materials Engineering)

年 卷 期：2024年第52卷第1期

页      面：153-164页

核心收录：

学科分类：08[工学] 080502[工学-材料学] 0805[工学-材料科学与工程（可授工学、理学学位）] 

基　　金：国家自然科学基金面上项目(52171166) 国家自然科学基金联合基金项目(U20A20231) 

主　　题：机器学习 高熵合金 相预测 硬度预测 成分设计 

摘      要：采用机器学习辅助高熵合金设计,致力于解决传统试错实验方法时间周期长、成本高的问题。以经典的AlCoCrCuFeNi系高熵合金为研究对象,采用机器学习方法,分别构建高熵合金的相结构预测模型和硬度预测模型。其中支持向量机模型(SVM)在两个任务中均有最好的训练表现,最佳的相分类准确率达0.944,硬度预测模型的均方根误差为56.065HV。进一步串联两种机器学习模型,基于样本数据集上下限的成分空间,对AlCoCrCuFeNi系高熵合金同时进行相和硬度的高效预测和筛选,实现新型合金成分的快速设计。实验验证5种新合金符合相预测结果,测试硬度与预测硬度值的RMSE为12.58HV,表明建立的机器学习模型实现对高熵合金相和硬度的高效预测。