组合复杂高熔点合金的两阶段优化
材料科学
2024-05-14 v1
摘要
本文提出了一种协同计算/实验的方法，用于快速发现和表征 Ti-V-Nb-Mo-Hf-Ta-W 组成的组合复杂（即“中/高熵”）高熔点合金空间中的新型合金。这一设计周期旨在同时最大化特定硬度 (hardness normalized by density) 和特定弹性模量 (elastic modulus normalized by density) 等目标属性。该框架利用高通量计算热力学和智能筛选，首先将不可行的合金空间缩小至可行规模，随后进行由高通量合成、加工和表征组成的迭代设计周期，每次 batch size 为 24 个合金。经过第一次迭代后，采用贝叶斯优化来指导下一批 24 个合金的选择。本文展示了在材料设计中使用批次贝叶斯优化 (BBO) 的优势，因为在仅进行两次迭代或“shots”的设计周期后（且无需使用任何先验知识或物理模型来描述目标属性与设计输入（即组成）之间的关系），即可观察到显著的属性提升。具体而言，帕累托前沿的 hypervolume 在第一次和第二次迭代之间增加了 54%。此外，第二次迭代中的 10 个合金统治了来自第一次迭代的所有合金。
引用
@article{arxiv.2405.07130,
title = {Two-Shot Optimization of Compositionally Complex Refractory Alloys},
author = {James D. Paramore and Brady G. Butler and Michael T. Hurst and Trevor Hastings and Daniel O. Lewis and Eli Norris and Benjamin Barkai and Joshua Cline and Braden Miller and Jose Cortes and Ibrahim Karaman and George M. Pharr and Raymundo Arroyave},
journal= {arXiv preprint arXiv:2405.07130},
year = {2024}
}