数据驱动的无钴高熵合金体心立方相预测
材料科学
2026-05-12 v1
摘要
高熵合金（HEA）因其卓越的性能组合而被认为适用于先进应用，例如核工程。无钴 HEAs 的概念旨在缓解钴放射性的担忧，但其相形成预测仍具有挑战性 due to 其复杂组成。在本工作中，我们将六个半经验参数——混合熵（Smix）、混合焓（Hmix）、原子尺寸差异（）、价电子浓度（VEC）、d 轨道能级（Md）以及 参数——与机器学习相结合，用于预测无钴 HEAs 中的体心立方相稳定性。为解决实验数据有限的问题，我们使用生成对抗网络扩充数据集，从而提高用于相预测的高斯过程分类模型的准确性。在降维到五个主成分后，该模型实现了 84% 的准确率，其中 Hmix 和 被确定为影响相形成的关键描述子。该方法突显了机器学习和数据扩充在加速先进应用 HEAs 设计中的协同作用。
引用
@article{arxiv.2605.10539,
title = {Data-driven body-centered cubic phase prediction in cobalt free high-entropy alloys},
author = {Xuliang Luo and Yulin Li and Tero Mäkinen and Silvia Bonfanti and Wenyi Huo and Mikko J. Alava},
journal= {arXiv preprint arXiv:2605.10539},
year = {2026}
}