基于多目标贝叶斯优化的机械硬、磁软高熵合金加速设计
材料科学
2026-04-01 v2
摘要
设计既机械硬又具磁软性能的高熵合金（HEA）本质上具有挑战性，因为机械性能与磁性能之间需要权衡。本研究采用多目标贝叶斯优化（MOBO）框架优化高熵合金配料，以实现机械与磁性能的同步优化。构建集成代理模型以提高机器学习代理模型的准确性，同时应用结合蒙特卡洛抽样与获取函数的高效抽样策略，以探索高维配料空间。实现的 MOBO 策略成功识别出具备增强机械与磁性能的帕累托最优配料。该集成模型提供了稳健可靠的预测，抽样方法降低了陷入局部最优的可能性。我们的发现揭示了满足双重设计目标的特定元素组合，为下一代 HEAs 的合成提供了指导。
引用
@article{arxiv.2509.05702,
title = {Accelerated Design of Mechanically Hard Magnetically Soft High-entropy Alloys via Multi-objective Bayesian Optimization},
author = {Mian Dai and Yixuan Zhang and Weijia He and Chen Shen and Xiaoqing Li and Stephan Schönecker and Liuliu Han and Ruiwen Xie and Tianhang Zhou and Hongbin Zhang},
journal= {arXiv preprint arXiv:2509.05702},
year = {2026}
}