PPMG近期论文速递

课题组博士生高田创在Nature子刊《npj Computational Materials》上发表论文《Data-driven design of novel lightweight refractory high-entropy alloys with superb hardness and corrosion resistance》。本文提出了一种基于机器学习的合金设计策略，并将其与多目标优化方法相结合，用于实现Al-Nb-Ti-V-Zr-Cr-Mo-Hf轻质难熔高熵合金的设计。本文首先通过机器学习建模建立了"成分-结构-性能"的定量关系。其次，通过特征分析发现了Cr元素含量大于12at.%是获得高耐腐蚀性合金的关键指标。最终，通过对合金的相结构、密度、熔点、硬度和耐腐蚀性能进行逐层筛选，成功设计出三种硬度和耐腐蚀性能优异的轻质难熔高熵合金成分。关键实验验证结果表明，三种目标合金的密度均在6.5 g/cm3左右，且所有合金均为无序bcc_A2单相结构，其中最高硬度达593 HV，最大点蚀电位达2.5 VSCE，均远超所有文献报道。本文所开发的机器学习驱动的设计策略应普遍适用于其他难熔高熵合金体系。