马里兰大学李腾教授Small:多主元素合金的机器学习加速、高吞吐量、多目标优化 2023年10月12日 下午10:07 • 头条, 干货, 顶刊 • 阅读 19 多基元合金 (MPEA) 因其在传统合金中前所未有的卓越性能而引起了广泛关注。然而,通过具有成本效益的设计从巨大的组成空间中识别具有所需特性的 MPEA 仍然是一个巨大的挑战。 为此,美国马里兰大学李腾教授等人开发了一种以属性为导向的MPEA设计策略,该策略将分子动力学(MD)模拟、小样本机器学习(ML)和遗传算法 (GA) 相结合,以高效地同时优化多个性能指标。 作为演示,ML模型可以通过54 次MD模拟进行有效训练,以预测CoNiCrFeMn合金的刚度和临界分辨剪切应力 (CRSS),相对误差分别为2.77%和2.17%。 图1. 数据生成、深度神经网络框架及ML模型的预测流程 这种设计策略也非常高效,比纯MD模拟的计算时间缩短了12600倍。基于经过训练的ML模型和非支配排序GA II (NSGA II)可以获得100种同时具有高刚度和高CRSS的CoNiCrFeMn合金的最佳成分,然后通过100000种随机选择的 CoNiCrFeMn成分的ML加速计算进行验证。 此处报道的整合MD、ML和GA的合理设计策略具有简便、超快、低成本和通用性的优势,可以应用于其他 MPEA材料系统,有望加速低成本地发现具有高性能的新MPEA。 图2. 基于ML的CoNiCrFeMn合金机械性能预测的准确性、效率和拟合优度 Machine Learning Accelerated, High Throughput, Multi-Objective Optimization of Multiprincipal Element Alloys, Small 2021. DOI: 10.1002/smll.20210297 原创文章,作者:科研小搬砖,如若转载,请注明来源华算科技,注明出处:https://www.v-suan.com/index.php/2023/10/12/c3fab7a7d1/ 电池 赞 (0) 0 生成海报 微信扫码分享 相关推荐 ACS Nano:通过几何/电子调解器调制引导Li-S电池的双向硫氧化还原作用 2023年10月7日 黄劲松最新Science!界面!界面!界面! 2023年10月25日 8篇电池顶刊:王春生、魏飞、成会明、吴凡、丁书江、孙学良、高义华、Khalil Amine等成果 2023年10月7日 中科大ACS Catalysis:尖晶石锚定的Ir单原子通过中间稳定化效应实现高效酸性水氧化 2023年10月9日 孙学良Angew.:一步煅烧合成用于长循环锂离子电池的体掺杂表面改性超晶格富镍正极 2023年10月7日 南航彭生杰AFM:异质结构催化剂界面调控实现高电流密度下节能制氢 2023年10月13日