一种基于机器学习的多组元准晶成分设计方法

本发明涉及一种基于机器学习的多组元准晶成分设计方法，包括以下步骤：S1、收集准晶与之对应成分的数据，特征挖掘；S2、确定输入和输出，构建监督学习分类模型；S3、原始数据集按比例划分成训练集和测试集；S4、利用训练集进行随机森林模型训练；S5、通过三个指标评估模型性能；S6、基于预测结果，进行特征重要性排序和相关性分析；S7、高通量虚拟筛选，得到目标多元合金系统；S8、确定多元合金系统，生成多元合金虚拟成分复合体；S9、生成三元相图，依据准晶判据，预测新的准晶；该设计方法通过分析已知准晶的化学组成、结构特征和物理性质，构建预测模型，从而加速新准晶的发现过程。