一种基于第一性原理计算和机器学习预测铂铱基多组元合金拉伸强度的方法

本发明涉及铂铱基合金拉伸强度技术领域，具体涉及一种基于第一性原理计算和机器学习预测铂铱基多组元合金拉伸强度的方法，通过第一性原理计算软件VASP批量计算不同成分铂铱基多组元合金的临界分切应力增量，以此构建数据集；随后进行多维度特征工程，构建并筛选出与目标量强相关的特征组合；采用多种机器学习算法结合网格搜索与交叉验证进行建模与优化，最终得到高性能预测模型，并利用已知实验数据对模型预测的准确性进行验证。本发明克服了贵金属合金实验数据匮乏的瓶颈，实现了在小样本条件下对合金强度的精准、高效预测，为高性能铂铱基合金的加速设计开发提供了可靠的新途径。