摘要
本发明提供了一种难熔高熵合金成分优化设计方法和装置,涉及金属材料设计技术领域。包括:对建立的难熔高熵合金的超胞模型进行结构弛豫优化后,计算难熔高熵合金成分的弹性矩阵和力学性能数据;基于难熔高熵合金成分包括的元素含量、物理特征信息和力学性能数据,构建样本集;采用样本集对机器学习模型进行训练,得到若干目标预测模型;样本集中包括作为输入的元素含量、物理特征信息以及作为输出的力学性能数据;不同目标预测模型输出的力学性能数据的类型不同;对目标预测模型进行可解释性分析,得到每个目标预测模型的关键元素,以根据关键元素确定优化难熔高熵合金成分。本方案能够快速、准确且高效地预测多主元难熔高熵合金的目标性能,无需大量实验便能筛选得到潜在高性能合金成分。
技术关键词
难熔高熵合金
机器学习模型
优化设计方法
元素
样本
金属材料设计技术
数据
优化设计装置
物理
矩阵
计算机程序产品
剪切模量
指数
平面波
处理器
模块
泊松比
可读存储介质
存储器