金属间化合物生成焓的机器学习预测
材料科学
2020-09-09 v1
摘要
开发快速准确的方法来发现金属间化合物与合金设计密切相关。虽然基于密度泛函理论（DFT）的方法通过快速获取稳定金属间化合物的能量和性能，加速了二元和三元合金的设计，但它们不适用于快速筛选多主元合金（MPEAs）的庞大组合空间。本文提出了一种机器学习模型，用于预测二元金属间化合物的生成焓，并用于识别新的金属间化合物。该模型使用易于获取的元素性质作为描述符，在预测 Materials Project 数据库中报道的稳定二元金属间化合物生成焓时的平均绝对误差（MAE）为 0.025 eV/atom。该模型进一步预测在 Materials Project 数据库中未报道任何稳定金属间化合物的 112 个二元合金体系中会形成稳定金属间化合物。DFT 计算证实了模型识别出的一个此类稳定金属间化合物 NbV2 位于凸包上。用二元金属间化合物训练的模型也能以与 DFT 相似的精度预测三元金属间化合物，这表明其可扩展用于识别 MPEAs 中可能形成的成分复杂金属间化合物。
引用
@article{arxiv.2005.13046,
title = {Machine learning formation enthalpies of intermetallics},
author = {Zhaohan Zhang and Mu Li and Katharine Flores and Rohan Mishra},
journal= {arXiv preprint arXiv:2005.13046},
year = {2020}
}