高熵合金生成相的机器学习预测

作     者：马妞妞 刘翠霞 坚增运 MA Niuniu;LIU Cuixia;JIAN Zengyun

作者机构：西安工业大学材料与化工学院西安710021 

基　　金：陕西省科技厅自然科学研究计划项目(2021JM-430) 

出 版 物：《西安工业大学学报》 (Journal of Xi’an Technological University)

年 卷 期：2024年第44卷第1期

页      码：69-78页

摘      要：针对传统高熵合金制备试验成本高、周期长、不可控因素等问题,文中通过机器学习模型进行高熵合金相阶段预测,进行了多分类和多标签分类,利用主流机器学习算法进行建模,并通过特征重要性分析及超参数调优进行比较,探究了不同算法对预测结果的影响。研究结果表明:多分类支持向量机(SVM)达到0.86的准确率,多标签随机森林(RF)达到了0.94的准确率;机器学习可以提供可靠的合成特性特性,在合金合成时,电负性(Δχ)和价电子浓度(VEC)可作为主要考虑因素。高熵合金和机器学习的结合有望为改进合金系统的设计提供参考。

主 题 词：高熵合金 机器学习 相预测 生成相 

学科分类：08[工学] 080502[080502] 0805[工学-能源动力学] 

D　O　I：10.16185/j.jxatu.edu.cn.2024.01.303

馆 藏 号：203126115...