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: 8

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

《上海稀土》—电子期刊2025年第2期上线

2025 - 07 - 18

点击次数: 12

讲好稀土故事，传递上海声音！《上海稀土》电子期刊2025年第2期正式上线，请点击左下方阅读原文，即可查看。还等什么，快来阅读吧！ ↓↓↓↓↓↓阅读原文

《上海稀土》—电子期刊2025年第2期上线

2025 - 07 - 18

点击次数: 15

激光诱导稀土上转换发光塑料

2025 - 07 - 18

点击次数: 13

来源：X-MOL近几十年来，稀土元素掺杂的微晶玻璃因其优异的上转换发光性能而受到广泛研究。然而，微晶玻璃的制备方法限制了其应用，并且难以在玻璃介质中通过激光光刻实现上转换发光。因此，有必要寻找新材料来替代上转换玻璃陶瓷，以实现原位上转换发光。在这里，通过使用飞秒激光成功地在透明塑料中原位生成了具有不同晶相的上转换纳米晶体（NaYF4），并实现了上转换发光荧光强度的精确调谐。此外，通过掺杂 Er、...

离子吸附稀土矿石配位浸出中的配体诱导四元效应：提高高价值低镧稀土精矿的回收率

2025 - 07 - 17

点击次数: 29

来源：X-MOL使用铵基浸出剂的离子吸附稀土矿石（IAREO）的传统原位浸出技术存在持续的 NH4+–N 污染和低效的 La 提取经济性的双重挑战。我们提出了一种创新的无氨配位浸出系统，可同时实现高价值稀土精矿的生产和环境修复。通过利用配体诱导的四元组效应，我们阐明了浸出剂特性（类型/浓度）与单个稀土元素（REE）的提取效率之间的定量本构关系。在接近中性的塔浸出条件下，实现了差异提取性能：...