用于高熵合金弹性性能快速评估的高效机器学习模型
材料科学
2022-04-15 v1
摘要
我们将基于描述符的刚度矩阵与弹性模量解析模型与平均场方法相结合，以加速评估高熵合金的技术有用性能，如强度和延展性。弹性性能的模型训练采用确定独立筛选(SIS)与稀疏化算子(SO)方法，产生一个由有意义的原子特征构建的最优解析模型来预测目标性能。计算代价低廉的解析描述符使用由密度泛函理论确定的Nb-Mo-Ta-W-V难熔合金二元与三元子集的弹性性能数据库进行训练。从指数级大的特征空间中提取的最优Elastic-SISSO模型对目标性能给出了极其准确的预测，与其他模型相当或更优，其中部分已通过已有实验验证。我们还表明电负性方差和弹性模量可直接预测难熔高熵合金的延展性与屈服强度趋势，并揭示了有前景的合金浓度区域。
引用
@article{arxiv.2204.01788,
title = {Efficient machine-learning model for fast assessment of elastic properties of high-entropy alloys},
author = {Guillermo Vazquez and Prashant Singh and Daniel Sauceda and Richard Couperthwaite and Nicholas Britt and Khaled Youssef and Duane D. Johnson and Raymundo Arróyave},
journal= {arXiv preprint arXiv:2204.01788},
year = {2022}
}
备注
17 Pages; 10 Figures; 3 Tables