BRAVE合金设计活动（贝叶斯风险感知合金发现与探索）

在受限合金优化中，具有最高性能潜力的成分往往位于相稳定性边界——此处实验失败的风险也最高。本工作通过在Al-V-Cr-Mn-Fe-Co-Ni-Cu体系中的单相FCC高熵合金上开展风险感知贝叶斯优化活动证明了这一原则。一个学习得到的可行性分类器被直接集成到多目标采集函数中，对已产生失败实验的候选成分进行概率性惩罚，同时保留对高性能边界成分的访问。从约27,000个经CALPHAD筛选的候选体中，在三个闭环迭代中合成了48种合金，瞄准五个目标（屈服强度、UTS/YS比、UTS处应变、动态与准静态硬度比、模拟穿透深度），探索了0.12%的可行空间。出现了两种成分区：富V、富Ni的高强度区（50%伸长率下UTS高达${\sim}1480$~MPa）和含Mn的高延展性区（>50%伸长率下UTS/YS高达4.20）。在可行合金中，钒同时驱动屈服强度（$r = 0.84$）和σ相形成（与不可行性$r = 0.54$）；在V = 24~at.%时，三种最强合金与三个σ相失败点共享同一成分点。此外，性能最强的合金聚集在成分空间的一个狭窄区域（V $\geq$ 20 at.%、Ni $\geq$ 36 at.%），代表$27,074$个可行候选体中的${\sim}100$个——随机采样下概率$P \approx 6.5 \times 10^{-6}$。这种双重作用——与约束最优位于 active 约束边界的KKT预测一致——需要可行性感知的采集才能触及；硬过滤会完全排除该区域。