一种基于贝叶斯主动学习预测铂铱基多组元合金拉伸强度的方法

本发明涉及金属材料计算设计技术领域，具体涉及一种基于贝叶斯主动学习预测铂铱基多组元合金拉伸强度的方法，首先通过第一性原理密度泛函理论计算获得铂铱基合金的临界分切应力增量数据，构建初始数据集；接着采用多级特征工程构建物理意义明确的特征集，并结合皮尔森相关性分析与穷举法筛选最优特征组合；然后利用多种机器学习算法训练并优化预测模型；最后引入贝叶斯主动学习循环，基于期望改进采集函数智能筛选候选成分进行第一性原理计算验证，迭代更新模型直至收敛。本发明有效解决了贵金属合金实验数据稀缺问题，显著降低了研发成本与周期，为高性能铂铱基合金的成分设计提供了高效、可靠的预测手段。