Abstract
第一性原理、热力学模拟等传统的材料计算方法在高熵合金的设计中多用于合金相的预测,同时会耗费巨大的计算资源。本文以性能为导向,选用机器学习的算法建立了一个高熵合金硬度预测模型,并将机器学习与固溶体强化的物理模型相结合,使用遗传算法筛选出最具有代表性的3个特征参数,利用这3个特征构建的随机森林模型,其R2达到了0.9416,对高熵合金的硬度取得了较好的预测效果。本文选用的机器学习算法和3个材料特征在固溶体强化性质方面也有一定的预测效果。针对随机森林可解释性较差的问题,本文还利用SHAP可解释机器学习方法挖掘了机器学习模型的内在推理逻辑。

This publication has 34 references indexed in Scilit: