基于机器学习的面心立方高熵合金弹性性能预测
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,CoNiCuMoW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.
弹性模量、面心立方高熵合金、第一性原理计算、机器学习
33
TB332;O469;TG146
2023-03-22(万方平台首次上网日期,不代表论文的发表时间)
共13页
518-530