cardiGAN：一种用于多主元合金设计与发现生成对抗网络模型
材料科学
2022-02-03 v1
摘要
多主元合金（MPEAs），包括高熵合金（HEAs），因其潜在的可取性能持续受到大量研究关注。尽管MPEAs仍在广泛研究中，传统的（即经验性的）合金制备与测试既昂贵又耗时，部分原因在于早期发现过程效率低下，涉及对大量合金成分的实验。将机器学习应用于这类新型材料的发现是直观的，迄今为止仅探索了其中少量潜在合金。本工作提出一个概念验证，将生成对抗网络（GANs）与判别神经网络（NNs）相结合，以加速新型MPEAs的探索。通过应用本文的GAN模型，可直接生成新型MPEAs成分并预测其相。为验证模型的可预测性，给出了模型设计的合金并制备了一个候选合金作为验证。这表明本文模型提供了一种能显著提升新型MPEAs开发能力与效率的方法。
引用
@article{arxiv.2202.00966,
title = {cardiGAN: A Generative Adversarial Network Model for Design and Discovery of Multi Principal Element Alloys},
author = {Z. Li and W. T. Nash and S. P. O Brien and Y. Qiu and R. K. Gupta and N. Birbilis},
journal= {arXiv preprint arXiv:2202.00966},
year = {2022}
}