机器学习赋能的高熵合金发现
材料科学
2022-03-01 v1
摘要
高熵合金是多种主元元素的固溶体，能够到达稀溶液材料无法触及的成分与特征区间。然而，发现具有有价值性能的合金依赖偶然性，因为热力学合金设计规则在高维成分空间中往往失效。在此，我们提出一种主动学习策略，基于极稀疏数据，在近乎无限的成分空间中加速设计新型高熵因瓦合金。我们的方法作为一个闭环，将机器学习与密度泛函理论、热力学计算和实验相集成。在加工并表征了 17 种新合金（源自数百万种可能成分）后，我们确定了 2 种高熵因瓦合金，其在 300 K 下具有约 2*10-6 K-1 的极低热膨胀系数。因此，我们的研究为快速、自动化发现具有最优热、磁和电性能的高熵合金开辟了新途径。
引用
@article{arxiv.2202.13753,
title = {Machine learning-enabled high-entropy alloy discovery},
author = {Ziyuan Rao and PoYen Tung and Ruiwen Xie and Ye Wei and Hongbin Zhang and Alberto Ferrari and T. P. C. Klaver and Fritz Körmann and Prithiv Thoudden Sukumar and Alisson Kwiatkowski da Silva and Yao Chen and Zhiming Li and Dirk Ponge and Jörg Neugebauer and Oliver Gutfleisch and Stefan Bauer and Dierk Raabe},
journal= {arXiv preprint arXiv:2202.13753},
year = {2022}
}