通过高效贝叶斯方法加速多目标合金发现：针对 FCC 合金空间的应用
材料科学
2025-03-05 v2
摘要
本研究引入 BIRDSHOT，一个集成的贝叶斯材料发现框架，旨在高效地探索复杂的组成空间，同时优化多个材料属性。我们将该框架应用于 CoCrFeNiVAl 铜fcc 高熵合金 (HEA) 系统，目标为三个关键性能指标：ultimate tensile strength/yield strength 比、硬度和应变速率灵敏度。实验方案采用集成的赛博物理方法，结合用于合金合成的真空弧熔 (VAM) 以及先进的机械测试，包括拉伸和高应变速率纳米压痕测试。通过纳入允许并行探索合金空间的批处理贝叶斯优化方案，我们完成了五次迭代的 design-make-test-learn 循环，在高维合金空间中识别出一个非平凡的三目标 Pareto 集。值得注意的是，这是在可行设计空间中仅占 0.15% 的情况下实现的，相对于传统方法实现了显著的发现速率加速。该工作表明了 BIRDSHOT 在导航复杂、多目标优化挑战方面的能力，并突显了其在更广泛的材料发现中潜在的应用前景。
引用
@article{arxiv.2405.08900,
title = {Accelerated Multi-Objective Alloy Discovery through Efficient Bayesian Methods: Application to the FCC Alloy Space},
author = {Trevor Hastings and Mrinalini Mulukutla and Danial Khatamsaz and Daniel Salas and Wenle Xu and Daniel Lewis and Nicole Person and Matthew Skokan and Braden Miller and James Paramore and Brady Butler and Douglas Allaire and Vahid Attari and Ibrahim Karaman and George Pharr and Ankit Srivastava and Raymundo Arroyave},
journal= {arXiv preprint arXiv:2405.08900},
year = {2025}
}
备注
20 pages, 19 figures including main text and appendix, with Supplemental Info that has 26 pages, 17 figures