机器学习辅助高熵合金设计的研究进展

作     者：赵鼎祺 乔珺威 吴玉程 ZHAO Dingqi;QIAO Junwei;WU Yucheng

作者机构：太原理工大学材料科学与工程学院山西太原030024 

出 版 物：《中国材料进展》 (Materials China)

年 卷 期：2021年第40卷第7期

页      码：508-517页

摘      要：近年来,高熵合金因其优异的性能和广阔的发展前景吸引了越来越多的关注,成为材料科学中的热门领域。由于高熵合金复杂的元素组成,使用传统方法对高熵合金进行计算不仅困难而且代价高昂,影响因素的多样性也为高熵合金的设计增加了困难,开发新方法加速对高熵合金成分空间的探索是当务之急。随着对高熵合金研究的不断深入,实验数据不断积累,人们尝试从数据的角度寻求解决方案。与此同时,人工智能的兴起极大改变了我们的生活方式,以数据为驱动的机器学习与高熵合金领域交叉融合,二者相得益彰并取得了一系列成果。人工神经元网络、支持向量机、主成分分析等方法被应用于高熵合金的分析和预测。除此之外,机器学习还与从头算和基于热力学数据库的方法相结合,在挖掘数据价值与指导实验设计方面展现出了优势。首先对材料科学中的机器学习和高熵合金两个领域做了简述,介绍了近年利用机器学习辅助高熵合金设计的典型研究成果。并对未来机器学习在高熵合金中的应用提出一些展望与建议。

主 题 词：高熵合金 复杂成分合金 机器学习 人工神经元网络 人工智能 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 081104[081104] 08[工学] 080502[080502] 0805[工学-能源动力学] 0835[0835] 0811[工学-水利类] 0812[工学-测绘类] 

核心收录：

D　O　I：10.7502/j.issn.1674-3962.202011011

馆 藏 号：203104873...