一种基于机器学习金属有序相性质预测模型及其建模方法和应用

本发明公开了一种基于机器学习金属有序相性质预测模型及其建模方法和应用。该模型首先收集金属有序相原始数据，通过Pymatgen批量获取不同有序相晶体结构，并进行第一性原理高通量计算，获取其形成能和力学性能数据，然后根据所得数据，进行机器学习特征工程处理和数据预处理，获取数据集，再进行多个机器学习模型训练、测试、优化和评价，选择综合评价最优的模型作为预测模型，最后将模型的预测结果与第一性高通量原理计算结果进行比较，验证模型准确性。利用本发明所提供模型构建的有序相数据库在具有量子化学准确性的前提下，还具有计算量小、响应快速等优点，为金属材料设计提供理论指导。