高通量计算与机器学习驱动高熵合金的研究进展
张聪，刘杰，解树一，徐斌，尹海清，刘斌斌，曲选辉 （北京科技大学）
摘要：高熵合金因其多种合金元素以等原子比或近等原子比的组合而具有高熵效应、严重的晶格畸变、缓慢扩散以及特殊而优异的材料性质等特点，在各个领域引起极大的关注。其高强度和硬度、抗疲劳性、优异的耐腐蚀性、耐辐照性以及接近零的热膨胀系数、催化响应、热电响应及光电转换等特性，使高熵合金在许多方面有潜在的应用。高通量计算及机器学习技术迅速成为探索高熵合金巨大成分空间和综合预测材料性能的有力手段。本文介绍高通量计算与机器学习的基本概念，论述第一性原理计算、热动力学计算与机器学习在高熵合金研究中的优势，并总结它们在高熵合金成分筛选、相与组织计算以及性能预测等方面的应用研究现状。最后提出该领域目前存在的问题，并提供解决思路与未来展望，包括开发适用于高熵合金的第一性原理计算与机器学习工具、构建高质量高熵合金数据库、将高通量计算与机器学习相融合对高熵合金的力学及服役性能进行全局优化等。
关键词：高熵合金；热力学；第一性原理；机器学习；性能优化
目录介绍
1 基本概念
1.1 高通量计算
1.2 机器学习
2 高通量计算及机器学习在高熵合金成分筛选和性能优化研究中的作用和效果
2.1 高通量计算在高熵合金研究中的作用与优势
2.1.1 高通量第一性原理计算
2.2 机器学习在高熵合金研究中的作用与优势
3 研究与应用现状
3.1 高通量第一性原理计算方法在高熵合金的应用
（1）长程无序、短程有序分析
（2）稳定相筛选
3.2 热动力学计算在高熵合金中的应用
（1）计算高熵合金体系相组成
（２）快速筛选获得组织性能匹配的高熵合金体系
（３）辅助增材制造技术加工。
3.3 机器学习在高熵合金中的应用
（1）基于机器学习的固溶强化模型改进
（２）高熵合金相种类预测
（３）机器学习模型预测高熵合金力学性能
（４）基于自适应设计的高熵合金优化
4 存在的问题与未来发展方向
4.1 存在的问题
（1）第一性原理计算
（2）热力学计算
（3）机器学习
4.2 未来发展方向
（1）高精度的第一性原理计算加速方法
（2）适应高熵合金复杂性与数据稀缺问题的机器学习新方法
（3）基于高通量计算与机器学习相融合的材料性能及服役行为全局优化
（4）高通量计算助力高熵合金的功能开发
（5）助力未来高熵合金智能制造与数据库
©软件著作权归作者所有。本站所有文件均来源于网络，仅供学习使用，请支持正版！
转载请注明出处！
发表评论 取消回复