基于机器学习的抗氧化NiCoCrAl高熵合金加速发现
材料科学
2025-12-18 v1
摘要
抗氧化高熵合金（HEA）粘结层的开发受到对多主元相互作用如何跨越温度调控氧化膜形成这一有限理解的制约。本研究通过高保真实验氧化数据的数据驱动分析，揭示了NiCoCrAl高熵合金中的新氧化趋势。结果揭示了氧化铝和氧化铬主导保护之间清晰的温变过渡，识别出富Al合金在≥1150°C时占主导、混合Al-Cr化学成分在中间温度最优、以及出乎意料的富Cr低Al合金在850°C时表现最佳——挑战了高Al普遍必需的假设。Hf和Y的效应被证明具有强烈的成分依赖性，Hf产生最大的全局氧化速率降低，而Y主要在富NiCo合金中有效。Y-Hf共掺杂提供了一致的改善，但表现出位点饱和行为。这些见解识别出新的高性能HEA粘结层家族，包括 作为传统多层热障涂层的替代品。
引用
@article{arxiv.2512.15517,
title = {Machine-learned accelerated discovery of oxidation-resistant NiCoCrAl high-entropy alloys},
author = {Dennis Boakye and Chuang Deng},
journal= {arXiv preprint arXiv:2512.15517},
year = {2025}
}
备注
Preprint submitted to Computational Materials Science