一种基于机器学习的高熵合金涂层优化方法及系统

本发明提供一种基于机器学习的高熵合金涂层优化方法及系统，涉及数据处理技术领域，方法包括：获取多种材料描述符；对材料描述符进行筛选；将涂层的工艺、成分和选择出的材料描述符作为输入，涂层性能作为输出，基于不同的机器学习模型建立输入与输出之间的映射关系；通过生成对抗网络，生成训练数据；通过训练数据对各个机器学习模型分别进行训练，选择表现最好的机器学习模型作为最终的预测模型；将预测模型作为多目标优化的代理模型，通过多目标优化，确定高熵合金涂层的最优组合参数。本发明通过生成对抗网络生成训练数据解决数据不平衡问题，为高熵合金涂层的设计与研发提供便利。