通过机器学习结合高通量计算设计耐腐蚀铝合金
材料科学
2023-12-27 v1
摘要
高效设计兼具高耐腐蚀性和力学性能的轻质合金仍然是材料工程中的一个持久课题。为此，本研究提出了机器学习（ML）耦合从头计算的方法。由于传统应力-应变ML模型因腐蚀因素导致精度不足，我们开发了一种新型强化自学习ML算法（精度R2 >0.92）。然后，实施了一种集成ML模型、计算能量学和力学模量的策略来优化铝合金。接下来，制造了这种计算设计的耐腐蚀铝合金，验证了模拟结果。其性能（延伸率达到~30%）归因于H捕获的Al-Sc-Cu相（-1.44 eV H-1）和晶界（GBs）内Cu修饰的η/η'析出相。我们开发的Al-Mg-Zn-Cu原子间势（能量精度6.50 meV atom-1）证明了Cu修饰增强了GB区域的抗开裂性。概念上，我们的策略对于设计兼具耐腐蚀性和力学性能的新型合金具有实际重要性。
引用
@article{arxiv.2312.15899,
title = {Corrosion-resistant aluminum alloy design through machine learning combined with high-throughput calculations},
author = {Yucheng Ji and Xiaoqian Fu and Feng Ding and Yongtao Xu and Yang He and Min Ao and Fulai Xiao and Dihao Chen and Poulumi Dey and Kui Xiao and Jingli Ren and Xiaogang Li and Chaofang Dong},
journal= {arXiv preprint arXiv:2312.15899},
year = {2023}
}