加速第一原理 计算多元件合金稳态结构和在全元件空间中的弹性性质

科学领域:

• 材料科学 材料科学 材料科学
• 计算材料科学科学 计算材料科学
• 合金设计设计 合金设计

背景情况:

• FeNiCrAlCoCuTi合金系统提供了出色的机械性能,但传统的实验方法在探索其庞大的组成空间时效率低下.
• 设计具有特定性质的多元件合金需要了解复杂的材料特性-性质关系.

研究的目的:

• 开发一种加速研究方法,用于设计具有目标性质的多元件合金.
• 展示一个结合的第一原理计算和机器学习方法来预测合金属性.

主要方法:

• 使用第一原理计算来生成FeNiCrAlCoCuTi合金系统的性能数据.
• 采用机器学习模型,针对每个属性进行优化 (RMSE < 1.1),以预测合金的弹性特性.
• 执行可解释的分析,以了解特征-属性关系和空间转换,以实现全组件预测.

主要成果:

• 验证的机器学习模型与实验数据相比,相对误差低于5%.
• 成功预测了跨二进制到多个组件的全组件性能.
• 确定了具有所需的和剪模的特定合金组合物,例如Fe$_{0.23}$Cr$_{0.23}$Al$_{0.23}$Ni$_{0.03}$Cu$_{0.28}$和Fe$_{0.01}$Cr$_{0.01}$Al$_{0.01}$Ni$_{0.44}$Co$_{0.53}$.

结论:

• 综合的第一原则和机器学习方法显著加快了合金设计,并降低了与传统方法相比成本.
• 这种方法可直接识别最佳元素组成和间隔,以获得优质合金性能.
• 该研究提供了一个强大的框架,用于有效地探索复杂的多元件合金系统.