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: 123

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

镧系摻杂在 CoMn2O4 空心立方体内诱导表面晶格氧活化，以增强氮氧化物的减少

2026 - 04 - 17

点击次数: 16

来源：X-MOL本文介绍了一种镧系系辅助策略，以解决有效提升 CoMn2O4 空心方块 NOx 还原性能的持续挑战。通过共沉淀法合成了四种稀土元素（镧（La）、钆（Pr）、锕（Sm）、钕（Nd））修饰的 CoMn2O4。其中，Pr 合作的 CoMn2O4 表现出显著的 T80 降低，比未改造的对应物低约 100°C。此外，Pr0.1Co0.9Mn2O4 在实验条件下表现出优异的稳定性和良...

镧系三掺杂工程在双波段激发下向上转换发射，实现高分辨率成像

2026 - 04 - 17

点击次数: 16

来源：X-MOL掺杂镧系上转换纳米颗粒（UCNPs）因其光稳定性窄带发射，已成为引人注目的光学探针。双波段激发为定制上变频发射提供了一种强大的方法，因为它有选择性地针对特定的 4f 跃迁。然而，由于竞争性双波长协同激发，实现上变频发射耗竭（即通过辅助辐照抑制发射）仍然具有挑战性。本文介绍了一种镧系三掺醇策略，利用再激发驱动的排放耗尽（REED）过程克服这一局限。在 REED 中，额外的激光会重新激...

协会走访两家科研院所

2026 - 04 - 16

点击次数: 38

2026年4月15日，市稀土协会走访了中科院上海光学精密机械研究所和中科院上海硅酸盐研究所，重点了解稀土相关科研领域的最新成果，收集两家研究院就推进稀土产业发展提出的政策建议。交流过程中，协会详细了解了两家研究院在稀土激光玻璃、晶体、陶瓷等领域的最新研发进展，以及去年出台的稀土相关政策对科研机构带来的影响。随后，协会就加强稀土全产业链监管工作作了宣讲，并针对协会今年的相关活动，包括会员大会、工博会...

协会走访两家科研院所

2026 - 04 - 16

点击次数: 32