北京科技大学宿彦京《Acta Materialia》机器学习设计高熵合金固溶强化性能！

文章预览

导读： 固溶强化（ SSS ）影响单一相高熵合金（ HEAs ）优异的机械性能。因此，鉴于其广阔的成分空间，确定控制 SSS 的潜在因素以加速高熵合金的性能导向设计是一个突出的挑战。该研究中，作者展示了一种根据元素的电负性差异推导出的关系，用于描述 HEAs 的固溶强化。作者提出了一个新模型，与现有的基于物理的模型相比，该模型在预测高熵合金的固溶体强度 / 硬度方面表现出更好的性能。接着作者讨论了 SSS 模型在高熵合金设计中的应用，并预测了 AlCoCrFeNi 、 CoCrFeNiMn 、 HfNbTaTiZr 和 MoNbTaWV 四种合金系统中具有潜在高 SSS 的合金 。 成果展示： 作者将现有 SSS 模型中的参数（ξ、 G 、δ等）作为输入训练机器学习模型，对比发现提出的特征（ξ、 G 、δ Xr ）误差更低，进而提出新的 SSS 模型 ∆ σ SS =  ξ· Z · G ·δ Xr 。从图 1a 中看出 新模型预测 ………………………………