材料工程2024，Vol.52Issue(1) ：153-164.DOI:10.11868/j.issn.1001-4381.2023.000108

机器学习指导相和硬度可控的AlCoCrCuFeNi系高熵合金设计

Machine learning guided phase and hardness controlled AlCoCrCuFeNi high-entropy alloy design

李亚豪 叶益聪 赵凤媛 唐宇 朱利安 白书欣
材料工程2024，Vol.52Issue(1) ：153-164.DOI:10.11868/j.issn.1001-4381.2023.000108
✕
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 维普
  • 万方数据

机器学习指导相和硬度可控的AlCoCrCuFeNi系高熵合金设计

Machine learning guided phase and hardness controlled AlCoCrCuFeNi high-entropy alloy design

李亚豪 1叶益聪 1赵凤媛 1唐宇 1朱利安 1白书欣1
扫码查看

作者信息

  • 1. 国防科技大学空天科学学院材料科学与工程系,长沙 410073
  • 折叠

摘要

采用机器学习辅助高熵合金设计,致力于解决传统试错实验方法时间周期长、成本高的问题.以经典的AlCoCrCuFeNi系高熵合金为研究对象,采用机器学习方法,分别构建高熵合金的相结构预测模型和硬度预测模型.其中支持向量机模型(SVM)在两个任务中均有最好的训练表现,最佳的相分类准确率达0.944,硬度预测模型的均方根误差为56.065HV.进一步串联两种机器学习模型,基于样本数据集上下限的成分空间,对AlCoCrCuFeNi系高熵合金同时进行相和硬度的高效预测和筛选,实现新型合金成分的快速设计.实验验证5种新合金符合相预测结果,测试硬度与预测硬度值的RMSE为12.58HV,表明建立的机器学习模型实现对高熵合金相和硬度的高效预测.

关键词

机器学习/高熵合金/相预测/硬度预测/成分设计

Key words

machine learning/high entropy alloy/phase prediction/hardness prediction/composition design

引用本文复制引用

基金项目

国家自然科学基金面上项目(52171166)

国家自然科学基金联合基金(U20A20231)

出版年

2024
材料工程
中国航发北京航空材料研究院

材料工程

CSTPCD北大核心
影响因子：0.78
ISSN：1001-4381
参考文献量3
段落导航相关论文