机器学习指导相和硬度可控的AlCoCrCuFeNi系高熵合金设计

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

所属期刊栏目：52

分类号：TG146(金属学与热处理)

资助基金：国家自然科学基金;国家自然科学基金

在线出版日期：2024-02-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：153-164