基于原子模拟与机器学习预测非等原子比高熵合金的力学性能
材料科学
2020-04-10 v1 计算物理
摘要
具有多种组成元素的高熵合金(HEAs)因其在工程应用上的前景,在过去 20 年中得到广泛研究。以往对 HEAs 的实验与计算研究主要关注等原子比或近等原子比 HEAs。然而,那些经精心设计的非等原子比 HEAs 中可能蕴藏远为丰富的价值。本研究将分子动力学(MD)模拟与机器学习(ML)方法相结合,用于预测非等原子比 CuFeNiCrCo HEAs 的力学性能。基于 900 个 HEA 单晶样品的 MD 模拟拉伸测试建立了数据库。我们调查并比较了用于学习任务的八种 ML 模型,涵盖从浅层模型到深层模型。研究发现,基于核的极限学习机(KELM)模型在屈服应力与杨氏模量的预测上优于其他模型。KELM 模型的准确性进一步通过大尺寸多晶 HEA 样品得到验证。
引用
@article{arxiv.2004.04439,
title = {Prediction of mechanical properties of non-equiatomic high-entropy alloy by atomistic simulation and machine learning},
author = {Liang Zhang and Kun Qian and Björn W. Schuller and Cheng Lu and Yasushi Shibuta and Xiaoxu Huang},
journal= {arXiv preprint arXiv:2004.04439},
year = {2020}
}