基于机器学习的面心立方高熵合金弹性性能预测（英文）

作者：王申; 李达^*; 熊俊

来源：Transactions of Nonferrous Metals Society of China, 2023, 33(02): 518-530.

• 弹性模量
• 面心立方高熵合金
• 第一性原理计算
• 机器学习

提出预测面心立方高熵合金弹性性能的机器学习模型。数据集来源于第一性原理计算得到的186组样本。测试集体积模量(B)和剪切模量(G)预测值的拟合优度(R2)分别达到0.81和0.84。根据机器学习结果，Co Ni CuMoW在等主元高熵合金(G/B≤0.57)中具有最高的B、G和弹性模量(Y)和良好的塑性。第一性原理计算结果表明，当W含量增加时，(CoNiCuMo)1-xWx合金的弹性各向异性提高，且塑性下降。差分电荷密度分析结果表明，W—W和W—Mo键存在明显的电荷聚集，表明W原子与邻近原子间存在共价键作用。

• 单位
  西南交通大学