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: 6

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

在A位有序四重钙钛矿氧化物中首次实现本征庞磁电阻效应

2025 - 05 - 08

点击次数: 17

来源：中国科学院物理研究所北京凝聚态物理国家研究中心庞磁电阻（Colossal magnetoresistance, CMR）锰酸盐是一类以钙钛矿结构的掺杂锰氧化物（如RE1-xAExMnO3，RE为稀土金属，AE为碱土金属）为代表的材料，其核心特征是在磁场作用下电阻发生巨大变化。这类材料的研究热潮始于20世纪90年代，并在随后的二十多年中持续成为凝聚态物理和材料科学的前沿热点领域。CMR锰酸盐在...

多金属氧簇笼封装分子催化剂实现三重级联转化

2025 - 05 - 08

点击次数: 19

来源：华南师范大学化学学院近年来，通过将分子催化剂封装于超分子组装体中构建主客体催化体系引起了广泛关注。这类体系可通过协同主体与客体的功能/催化活性，实现高活性与高选择性，甚至完成复杂催化反应。目前，多种超分子组装体（如共价笼、配位笼）已被开发为主体外壳，用于构建主客体催化体系并应用于多种催化转化。然而，此类体系在复杂催化反应（如级联反应）中的应用仍鲜有报道。该领域的主要挑战在于如何赋予主体预期的...

福建物构所染料敏化稀土纳米光热材料获新进展

2025 - 05 - 07

点击次数: 35

来源：福建物质结构研究所近红外染料敏化作用可以克服稀土离子（如Yb3+ 和Nd3+）宇称禁戒跃迁的固有局限，显著增加稀土掺杂无机纳米晶的吸收，为开发高效稀土纳米光学诊疗材料提供了新途径。目前应用于光热转换的染料敏化稀土纳米晶的研究仍处于初步阶段，其中所涉及的激发态动力学及界面相互作用尚不明确。近日，中国科学院福建物质结构研究所/闽都创新实验室的陈学元团队卢珊研究员等成功研发出一种基于染料敏化的cy...

光驱动低能耗电解水制氢新策略

2025 - 05 - 07

点击次数: 36

来源：厦门大学化学化工学院近日，我院陈嘉嘉教授利用多金属氧酸盐为光储能电对的光驱动低能耗电解水制氢研究取得重要进展，相关研究成果以“Tunable Multi-electron Redox Polyoxometalates for Decoupled Water Splitting Driven by Sunlight”发表在Nature Communications（DOI:10.1038/s4...