构建高熵合金形成新规律

构建高熵合金形成新规律

Zongrui Pei, Junqi Yin, Jeffrey A. Hawk, David E. Alman & Michael C. Gao

摘 要

迄今为止，用来预测固溶体形成的经验规律其准确率还不够高。有一些看起来比较高的其实只是用在了比较小的数据量上。机器学习在前所未有多的1252种多元合金中获取了很高的准确率，这一事实说明经验规律这一方法还是可行的。机器学习可以帮助确定进入经验规律的重要物理量，比如元素体积，体弹性模量和熔点温度。利用这些物理量，可以构建新的经验规律。虽然不如机器学习准确，但是新的规律物理意义更加明确。利用新的规律去预测面心立方，体心立方和六角密排三种晶体结构，各9种元素组成的所有多元合金。预测的结果与计算相图方法高度一致（94%）。因为新的基于热力学的方法只是利用组成元素本身的性质，其应用于高熵合金将非常直观高效。

关键词

高熵合金，热力学计算，机器学习，预测

本研究利用机器学习结果提供的新信息构建了一个物理意义透明、直观高效的经验规律。来自美国能源部两个国家实验室(NETL&ORNL)的研究团队(Zongrui Pei, Junqi Yin, Michael C. Gao, etc)，通过机器学习获得的积极结果认识到：用经验规律预测合金固溶体这条路其实是可行的，而以前经验规律的局限性在于没有选取到最重要的物理量作为参数。他们利用机器学习提供的物理量，构建了新的经验规律，并用其预测了三组高熵固溶体的形成，分别对应于最具代表性的晶体结构（FCC、BCC、HCP），得到了跟计算相图高度一致的结果。新的经验规律应用于高熵合金固溶体形成的预测将非常直观高效。

文章附图

MatAi产品以材料基因工程技术为框架，融合材料信息学、数据挖掘、机器学习及人工智能技术，加速新材料的研发与筛选，助力高新技术企业与科研机构，以低门槛、简易操作、高效率运用材料大数据技术进行材料设计、筛选与发现。

MatAi以iDataCenter系统为客户构建系统化、结构化及完整、规范的材料数据库，通过iDataInsight系统，为客户构建材料机器学习研究的解决方案。iDataInsight采用合适的模型进行训练与优化，实现对“材料-成分-工艺-组织-性能-服役”规律的可视化探究与发现。