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)...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。展开更多
基金the financial support from the National Natural Science Foundation of China(Nos.62173280,51975491)。
文摘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。