机器学习辅助的高通量实验加速硬质高熵合金CoxCryTizMouWv成分设计 |
| |
引用本文: | 王炯,肖斌,刘轶.机器学习辅助的高通量实验加速硬质高熵合金CoxCryTizMouWv成分设计[J].中国材料进展,2020(4):269-277. |
| |
作者姓名: | 王炯 肖斌 刘轶 |
| |
作者单位: | 上海大学材料基因组工程研究院;上海大学物理系量子与分子结构国际中心 |
| |
基金项目: | 国家科技部重点研发计划“材料基因组工程”项目(2017YFB0702901,2017YFB0701502);国家自然科学基金项目(91641128)。 |
| |
摘 要: | 针对目标性能的多元合金成分设计因具有巨大的成分参数空间而极具挑战,而且传统的试错实验由于效率低能探索的合金成分有限。提出利用高通量实验结合机器学习方法加速非等摩尔比的硬质高熵合金Co x Cr y Ti z Mo u W v的成分设计。首先通过自主研发的全流程高通量合金制备系统制备了138个不同成分的高熵合金铸态样品。然后根据测量的维氏硬度(HV)数据,使用随机森林法和支持向量机法进行机器学习建模,并预测了五元合金体系内潜在的3876个不同成分合金的硬度。随机森林机器学习模型的预测结果在高(HV>800 MPa)、中(600
|
关 键 词: | 高通量实验 机器学习 高熵合金 硬度 |
Machine Learning Assisted High-Throughput Experiments Accelerates the Composition Design of Hard High-Entropy Alloy CoxCryTizMouWv |
| |
Authors: | WANG Jiong XIAO Bin LIU Yi |
| |
Affiliation: | (Materials Genome Institute,Shanghai University,Shanghai 200444,China;International Centre for Quantum and Molecular Structures,Department of Physics,Shanghai University,Shanghai 200444,China) |
| |
Abstract: | |
| |
Keywords: | high-throughput experiment machine learning high-entropy alloy hardness |
本文献已被 CNKI 维普 等数据库收录! |