文献类型：期刊文章

作　　者：胡瑞[1] 刘庆[1] 张光捷[1] 李俊杰[1] 陈晓玉[2] 魏晓[1,3] 戴东波[1]

HU Rui;LIU Qing;ZHANG Guangjie;LI Junjie;CHEN Xiaoyu;WEI Xiao;DAI Dongbo(School Computer Engineering and Science,Shanghai University,Shanghai 200444,China;Centerof Materials Informatics and Data Science,Materials Genome Institute,Shanghai University,Shanghai 200444,China;Zhejiang Laboratory,Hangzhou 311100,Zhejiang,China)

机构地区：[1]上海大学计算工程与科学学院,上海200444 [2]上海大学材料基因组工程研究院材料信息与数据科学中心,上海200444 [3]之江实验室,浙江杭州311100

出　　处：《上海大学学报（自然科学版）》

基　　金：国家重点研发计划资助项目(2018YFB0704400);云南省重大科技专项资助项目(202002AB080001-2);之江实验室科研攻关资助项目(2021PEOAC02)。

年　　份：2022

卷　　号：28

期　　号：3

起止页码：476-484

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CAS、CSCD、CSCD_E2021_2022、JST、MR、RCCSE、ZGKJHX、ZMATH、核心刊

摘　　要：铝基复合材料具有众多优异的性能,应用前景较好.以简单稳定相的高熵合金可以作为增强颗粒来制备铝基复合材料,其各方面力学性能都显著提升.提出了一种基于结合了特征工程和机器学习的新方法来研究高熵合金相稳定性.该方法利用特征工程筛选出影响目标属性的重要因素,然后选择相应的回归方法预测相稳定性.使用50%的数据集进行训练,并在其余数据集上进行测试验证.研究结果表明,该方法在预测高熵合金的相稳定性方面具有较高的准确性(R^(2)=0.994),且能辅助找到影响相稳定性的关键因素.

关 键 词：铝基复合材料 高熵合金 特征工程  机器学习  相稳定性预测  

分 类 号：TB331[材料类]