主动学习驱动的稀有金属掺杂热导率低的热障涂层材料发现
材料科学
2025-11-27 v1
摘要
高熵/多组分稀有金属氧化物 (HECs 和 MCCs) 作为热障涂层 (TBC) 的替代材料展现出根据稀有金属元素的组合来调控材料性能的潜力。通过实现稀缺或供应风险稀有金属的替代，而又维持可比材料性能，HECs 和 MCCs 为 TBC 材料设计提供了可行路径。然而，探索这一组成复杂材料的搜索空间需要大量时间和资源。本研究采用主动学习 (AL) 框架识别具有热掺杂结构的 HEC/MCC 材料，以满足 TBC 应用的要求。通过贝叶斯优化 (BO) 策略结合随机森林代理模型实现 AL 框架。选取热导率 (TC) 作为优化准则，因为这是 TBC 材料的最基本要求。在两轮 AL 循环中，生成并合成了四种配方。第一轮产生两种单相掺杂体： 和 ，其测量热导率分别为 2.03 和 1.90 。代理模型对两种配方的 TC 预测值为 2.009 ，证明其对全新配方的准确性。第二轮的配方合成后呈现双相，凸显在 AL 框架中考虑相形成的必要性。
引用
@article{arxiv.2511.21297,
title = {Active Learning Driven Materials Discovery for Low Thermal Conductivity Rare-Earth Pyrochlore for Thermal Barrier Coatings},
author = {Amiya Chowdhury and Acacio Rincon Romero and Grazziela Figueredo and Tanvir Hussain},
journal= {arXiv preprint arXiv:2511.21297},
year = {2025}
}