高通量计算与机器学习驱动高熵合金的研究进展

• Published in: 材料工程 Vol. 51; no. 3; pp. 1 - 16
• Main Authors: 张聪, 刘杰, 解树一, 徐斌, 尹海清, 刘斌斌, 曲选辉
• Format: Journal Article
• Language: Chinese
• Published: 北京科技大学 新材料技术研究院,北京 100083 01.03.2023; 北京科技大学 北京材料基因工程高精尖创新中心,北京 100083; 北京科技大学 钢铁共性技术协同创新中心,北京 100083%北京科技大学 钢铁共性技术协同创新中心,北京 100083%北京科技大学 新金属材料国家重点实验室,北京 100083%北京科技大学 北京材料基因工程高精尖创新中心,北京 100083
• Subjects: 热力学; 机器学习; 第一性原理; 高熵合金; 性能优化
• ISSN: 1001-4381
• DOI: 10.11868/j.issn.1001-4381.2022.000997

TG13; 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.