基于机器学习的难熔高熵合金高温屈服强度优化智能发现框架
材料科学
2021-12-07 v1
摘要
难熔高熵合金(RHEAs)是一类极具前景的合金,表现出高温屈服强度,并有望作为燃气涡轮发动机中的高性能材料使用。然而,通过实验探索广阔的RHEA成分空间具有挑战性,迄今为止仅探索了该空间的一小部分。本工作展示了一种最先进的机器学习(ML)预测框架与优化方法相结合的开发,以智能地探索广阔的成分空间,并引导搜索朝着提高高温屈服强度的方向进行。我们的正向屈服强度模型相对于最先进的方法显示出显著改善的预测精度,并且通过使用重复的k折交叉验证提供了固有的不确定性量化。在开发出稳健的屈服强度预测模型后,该耦合框架被用于发现具有优异高温屈服强度的新型RHEA。我们已经证明,RHEA成分可以被定制以在特定温度下具有最大屈服强度。
引用
@article{arxiv.2112.02587,
title = {Machine-Learning-Based Intelligent Framework for Discovering Refractory High-Entropy Alloys with Improved High-Temperature Yield Strength},
author = {Stephen A. Giles and Debasis Sengupta and Scott R. Broderick and Krishna Rajan},
journal= {arXiv preprint arXiv:2112.02587},
year = {2021}
}