机器学习在轻质高熵合金设计中的应用

作     者：陈巧冰 赫梓建 刘璇 赵艺 王殿辉 胡朝浩 王仲民 

作者机构：桂林电子科技大学材料科学与工程学院 广西科学院 

出 版 物：《桂林电子科技大学学报》 (Journal of Guilin University of Electronic Technology)

年 卷 期：2024年第03期

页      面：237-245页

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 08[工学] 081104[工学-模式识别与智能系统] 080502[工学-材料学] 0805[工学-材料科学与工程（可授工学、理学学位）] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(52061006) 广西自然科学基金(2020GXNSFAA159122) 广西信息材料重点实验室基金(131022-Z) 广西碳酸钙资源综合利用重点实验室开放项目(HZXYKFKT202303,HZXYKFKT202206) 广西科技基地与人才专项(桂科AD19110120) 

主　　题：机器学习 轻质高熵合金 相结构 力学性能 

摘      要：轻质高熵合金是一类相较于传统的合金具有更低密度和更高强度的新型材料，在航空航天、汽车工业、电子设备等高新产业有广泛的应用前景。然而，现阶段报道的高熵合金的强度与塑性的协调是亟待解决的一大难题，且制备工艺不完善，生产成本较高，暂时难以实现大规模推广与应用。因此，具有低密度和高强度的新型轻质高熵合金的设计与开发备受关注。着眼于准确、高效的机器学习方法在材料设计领域的应用与发展，基于国内外学者的研究成果，对利用机器学习低成本加速高熵合金设计进行了阐述，包括采用高通量实验与主动学习等方法不断挖掘、清洗、迭代、优化数据以及利用特征工程提高模型预测精度和性能，利用算法探寻标签值与特征变量间的关系，深入分析高熵合金性能强化的原因，并对近期机器利用学习预测轻质高熵合金的相结构及力学性能的研究进展进行了总结和展望。