基于机器学习面向低层错能高熵合金的成分设计方法

本发明提供了一种基于机器学习面向低层错能高熵合金的成分设计方法，该方法通过文献调研建立高熵合金成分‑层错能数据集，并建立物理和热力学的特征描述符；对特征描述符进行皮尔逊相关性分析和特征重要性分析，筛选出对合金层错能影响排名前列的关键特征；然后利用前向选择策略筛选出模型的最佳特征集，并筛选出具有最优性能的前三种机器学习模型，然后确定用以构建集成算法框架的机器学习模型；根据合金的成分范围确定候选合金的成分空间，最终筛选出用于集成算法框架预测的候选合金成分，利用集成算法框架对候选合金成分进行预测，筛选出具有低层错能的高熵合金成分。本发明显著提高了低层错能高熵合金的设计准确性和效率。