一种用于元素晶界能量的通用机器学习模型

晶界（GB）能量对多晶金属的晶粒生长与性能有深远影响。在此，我们表明，归一化于体相内聚能的晶界能量可纯粹由四个几何特征描述。通过对超过 50 种金属的 361 个小 $\Sigma$（$\Sigma < 10$）晶界的大型计算数据库进行机器学习，我们开发了一个模型，可将晶界能量预测至 0.13 J m$^{-2}$ 的平均绝对误差以内。更重要的是，该通用晶界能量模型可外推至高 $\Sigma$ 晶界能量而不损失精度。这些结果凸显了在可解释、可外推的材料科学机器学习模型设计中捕捉基本标度物理与领域知识的重要性。