通过符号回归推导的材料硬度描述符
材料科学
2024-08-08 v4 应用物理
计算物理
摘要
硬度是一种材料属性，在石油与天然气、制造等诸多工业领域具有影响。然而，这一宏观尺度属性与原子(即微观尺度)属性之间的关系尚属未知，过去十年中若干模型试图在宽广化学空间内将其关联，却均未成功。理解此种关系对于发现具有特定特征、可应用于广泛领域的更硬材料至关重要。本工作中，我们利用基于压缩感知的符号回归人工智能方法，找到了维氏硬度的物理描述符。SISSO(确定性独立筛选与稀疏算子)是一种用于发现简单且可解释预测模型的人工智能算法。它通过对若干基本特征施加一组数学算符，从多达数十亿的候选特征中执行特征选择。所得的稀疏 SISSO 模型以最小复杂度精确描述目标属性(即维氏硬度)。我们考量了 61 种材料的二元、三元及四元过渡金属硼化物、碳化物、氮化物、碳氮化物、碳硼化物与硼氮化物的硬度实验值，并据此进行拟合。所发现的描述符是微观属性的非线性函数，其中最显著贡献来自 Voigt 平均体模量、泊松比与 Reuss 平均剪切模量的组合。利用该描述符对 635 种候选材料进行高通量筛选的结果表明，可通过与更硬但亚稳态的结构混合来提升材料硬度(例如，亚稳态 VN、TaN、ReN、CrN 与 ZrB 均表现出高硬度)。
引用
@article{arxiv.2304.12880,
title = {Material Hardness Descriptor Derived by Symbolic Regression},
author = {Christian Tantardini and Hayk A. Zakaryan and Zhong-Kang Han and Tariq Altalhi and Sergey V. Levchenko and Alexander G. Kvashnin and Boris I. Yakobson},
journal= {arXiv preprint arXiv:2304.12880},
year = {2024}
}