-
题名机器学习辅助高熵合金设计的研究进展
- 1
-
-
作者
李俊炎
张伟强
高志玉
-
机构
沈阳理工大学材料科学与工程学院
-
出处
《材料导报》
北大核心
2025年第18期218-227,共10页
-
基金
辽宁省教育厅高等学校基本科研项目(LJKMZ20220593)
辽宁省教育厅高等学校基本科研项目(LJ212410144011)。
-
文摘
高熵合金作为新型合金材料,因其复杂的成分和优异的性能而备受关注。机器学习方法通过高通量处理数据计算结果,识别筛选影响高熵合金结构与性能的重要因素,达到可以快速预测高熵合金相结构、性能和优化合金成分的目的,为新型高熵合金的设计提供科学方法。本文基于机器学习辅助高熵合金研究的相关文献,对机器学习辅助高熵合金相结构预测、成分设计、性能预测及多目标优化方面进行综述。已有的研究表明,高熵合金成分是影响相结构的重要因素,机器学习模型能通过正向预测或逆向设计在高熵合金巨大的成分空间中搜索更优的成分及比例。通过机器学习分类模型结合经验特征可以有效辅助高熵合金相结构高效、高精度预测。回归模型可有效预测高熵合金的性能,高精度预测的性能可以辅助高熵合金相结构的预测。NSGA-Ⅱ算法与Pareto最优解结合可通过进行交叉变异生成多目标优化后的最优解集。机器学习模型的发展需要搭建高质量高熵合金数据库,以及构建以数据驱动为基础的高熵合金“成分-相结构-性能”关系。
-
关键词
高熵合金
机器学习
相结构预测
性能预测
成分设计
多目标优化
-
Keywords
high entropy alloy
machine learning
phase structure prediction
ingredient design
multi-objective optimization
-
分类号
TG139
[一般工业技术—材料科学与工程]
-
