机器学习辅助高熵合金相结构预测 |
| |
引用本文: | 张欢,程洪,葛美伶,司天宇,何忠平.机器学习辅助高熵合金相结构预测[J].成都大学学报(自然科学版),2022(3):280-286. |
| |
作者姓名: | 张欢 程洪 葛美伶 司天宇 何忠平 |
| |
作者单位: | 成都大学机械工程学院 |
| |
摘 要: | 高熵合金由于其形成独特显微组织的固溶体、金属间化合物和非晶相而具有更好的物理化学性能.因此,高熵合金中的相预测是合金设计的第一步.采用机器学习算法中的支持向量机、随机森林和决策树3种模型对高熵合金的相位分类进行预测,通过网格搜索方法优化模型,并对模型进行交叉验证和性能评估.结果表明:随机森林的预测能力最佳,达到0.93的预测精度,且该模型对高熵合金固溶体相的分类效果最好,最后采用随机森林模型预测Ti Zr Nb Mo系难熔高熵合金的生成相,其预测生成相与实验结果一致.由此可见,机器学习技术对未来高熵合金的设计有很大的帮助.
|
关 键 词: | 机器学习 高熵合金 相结构 预测 |
|
|