倪军研究组在高熵合金机器学习模型研究中取得新进展

日期： 2025-03-05

浏览次数: 5

来源：清华大学物理系

近年来，机器学习作为一种重要的人工智能工具，在材料设计中得到了广泛的应用。多组元高熵合金，通常是五种或五种以上的金属形成的合金材料，往往具有优异的力学性能，获得了广泛的关注。然而数据驱动的机器学习方法通常需要足够多的训练样本。高熵合金系统第一性原理计算的复杂性限制了可用于图神经网络的精确结构数据的大小。需要精确的结构作为输入也限制了模型的大规模预测。

为了提高小样本数据集下高熵合金材料预测精度，同时在不进行结构计算的情况下完成高熵合金的性质预测，该研究开发了一种基于信息最大化生成对抗网络和元素卷积图神经网络的算法框架：元素特征迁移对抗网络。元素特征迁移对抗网络使用元素卷积图神经网络从晶体的原子和结构信息中提取适合描述预测目标的元素特征。这些特征将被转移到生成对抗网络中，该模型用于生成具有预测目标的新元素特征，如图1所示。该研究中引入了迭代方法以提高信息最大化生成对抗网络的精度：使用多层感知器对信息最大化生成对抗网络生成的特征进行性质预测，将这些结果重新输入信息最大化生成对抗网络中训练，以提高网络对高熵合金性质的预测精度。

该研究将元素特征迁移对抗网络应用于高熵合金的性质预测中，使用生成网络的数据增强显著提高了模型的预测精度。同时，生成的元素特征可用作输入在广阔的成分空间中探索材料性质，避免了结构计算带来的庞大计算量。图2展示了在面心立方和体心立方结构下的形成能、磁矩和自由能。与传统认为Ⅷ族元素更容易形成面心立方高熵合金不同，该合金更倾向于形成面心立方，在普遍有着较高的磁矩的情况下，兼顾了合金强度。通过该生成模型，探索了广阔成分空间下高熵合金的稳定性，丰富了高熵合金相关的物性研究。同时，该研究开发的元素特征迁移对抗网络框架可用于各种多组元材料以解决机器学习数据量不足的困难，辅助材料开发与获得新的物理知识。

该成果近期以“EFTGAN: Elemental features and transferring corrected data augmentation for the study of high-entropy alloys”为题发表在npj Computational Materials上。清华大学物理系倪军教授为该论文的通讯作者，物理系博士生孙一博为论文的第一作者，合作者包括日本东北大学陈迎教授。该研究得到了国家自然科学基金、清华大学低维量子物理全国重点实验室、量子信息前沿科学中心、清华大学高性能计算中心的支持。

文章链接：https://doi.org/10.1038/s41524-025-01548-y

上一篇：协会与商展公司共同探讨了双方合作的新机遇下一篇：济南大学郇宇：SiC协同优化BCTZ陶瓷的烧结与压电性能

Hot News / 相关推荐

市催化联盟召开工作交流会议

2025 - 04 - 30

点击次数: 10

2025年4月30日上午，中国工程院院士、中石化（上海）石油化工研究院有限公司院长、上海市催化新材料产业联盟理事长杨为民，在上海石化院热情接待了联盟秘书长、华东理工大学工业催化所所长郭杨龙等一行人员并座谈交流。在交流过程中，郭杨龙秘书长首先就催化联盟去年工作的开展情况以及今年的工作方向作了汇报，包括召开理事会布置相关工作，编写催化新材料产业发展报告，在工博会新材料展上召开新品发布会等，今年将继续围...

市催化联盟召开工作交流会议

2025 - 04 - 30

点击次数: 11

上海光机所在972nm掺Yb石英光纤激光器实现超40mW稳定单频激光输出

2025 - 04 - 30

点击次数: 10

来源：上海光机所近日，中国科学院上海光学精密机械研究所先进激光与光电功能材料部特种玻璃与光纤研究中心团队首次报道了一种高性能的972 nm单频分布式布拉格反射（DBR）掺镱（Yb³⁺）石英光纤激光器，相关成果以"972 nm single-frequency distributed Bragg reflector Yb³⁺-doped silica fiber las...

厦门稀土材料研究中心在高温热管理及红外管理用稀土基高熵陶瓷纤维开发方面取得新进展

2025 - 04 - 30

点击次数: 10

来源：厦门稀土材料研究中心随着“双碳”目标的提出，减少能源消耗、提高能源效率成为关键议题。开发性能优异的高温隔热材料不仅能够有效缓解工业发展带来的能源压力，还能降低化石能源燃烧二氧化碳温室气体排放的污染，在建筑、制造、航空航天等领域发挥着举足轻重的作用。然而，传统隔热材料因其本征热导率较高且对红外辐射的屏蔽性不足限制其进一步应用。稀土钼酸盐陶瓷具有结构和化学的稳定性以及优异的红外反射性能，是一种极...