基于机器学习势预测具有超高熔点高熵陶瓷
材料科学
2024-10-08 v2
摘要
Developing具有超高熔点的高熵陶瓷（HECs）对于应用于超高温环境至关重要。然而，相关研究鲜有报道。本文以高熵二硼化物（HEBs）为例，开发了一种数据驱动的方法，通过基于机器学习势的分子动力学（MD）高效探索具有超高熔点（Tm）的HEBs。具体而言，首先基于单硼化物和二硼化物构建了针对IVB、VB和VIB族九种过渡金属元素的HEBs的矩张量势（MTP）。进一步的研究确认了所构建MTP在equimolar和non-equimolar HE系统中的卓越精度、可迁移性和可靠性。随后利用构建的MTP对HEBs的Tm进行准确模拟，收集24个特征以实现可靠的机器学习训练。从五个描述符中选取梯度提升回归模型的最佳组合，用于HEBs的准确Tm预测。基于所建立的模型，最终确定了32563种HEBs的Tm，最高值为3688 K，出现于(Ti0.1Zr0.1Hf0.6Ta0.2)B2。该工作为开发具有超高熔点的HECs提供了可行方法。
引用
@article{arxiv.2406.08275,
title = {Machine learning potential-driven prediction of high-entropy ceramics with ultra-high melting points},
author = {Hong Meng and Yiwen Liu and Hulei Yu and Lei Zhuang and Yanhui Chu},
journal= {arXiv preprint arXiv:2406.08275},
year = {2024}
}
备注
27 pages, 6 figures