一种用于多主元合金力学性能预测的初级机器学习工具
材料科学
2023-08-16 v1 化学物理
摘要
多主元合金（MPEAs）由金属元素以多样化比例组合而成。迄今报道的MPEAs因其优异的力学性能而展现出可观性能。在已知性能数据上训练机器学习（ML）模型是合理化MPEAs成分依赖力学性能复杂性的合理方法。本研究利用一个专门整理的数据集，其中包含关于MPEAs六种力学性能的信息。我们引入了一个解析工具，将合金的化学成分转换为ML模型的输入格式，并应用了若干ML模型。最后，使用Gradio可视化ML模型预测并创建用户交互界面。所提出的ML模型是一个初始的初级模型（因其未考虑MPEA生产和加工工艺等方面），但可作为初步的用户工具，同时为其他研究者提供工作流程。
引用
@article{arxiv.2308.07649,
title = {A primitive machine learning tool for the mechanical property prediction of multiple principal element alloys},
author = {R. Tan and Z. Li and S. Zhao and N. Birbilis},
journal= {arXiv preprint arXiv:2308.07649},
year = {2023}
}