突破數(shù)據(jù)稀缺挑戰(zhàn)

原標題：高熵合金新發(fā)現(xiàn)！多團隊聯(lián)手實現(xiàn)抗氧化性高精度預測，增加鋁/鉻/硅含量可有效改善
文章來源：HyperAI超神經
內容字數(shù)：8402字

AI助力高溫合金研發(fā)：精準預測抗氧化性能，推動材料科學

1. **高溫合金面臨的挑戰(zhàn)與新型材料的出現(xiàn):** 航空發(fā)動機渦輪葉片在高溫下工作，需要耐高溫、抗氧化的高性能材料。傳統(tǒng)的鎳基超合金已接近性能極限，難熔高熵合金(RHEAs)和難熔復合高熵合金(RCCAs)作為新型高溫材料，展現(xiàn)出巨大潛力，但其抗氧化性能的預測成為研發(fā)瓶頸。

2. **AI預測模型的突破:** 來自多所國際知名大學的聯(lián)合研究團隊，利用梯度提升決策樹(GBDT)技術，特別是XGBoost算法，成功實現(xiàn)了對RHEAs和RCCAs抗氧化性能的高精度預測。該模型顯著優(yōu)于傳統(tǒng)的線性回歸模型，為材料科學領域帶來了性突破，相關成果已發(fā)表在Scripta Materialia期刊上。

3. **數(shù)據(jù)集的構建和模型的訓練:** 研究團隊收集整理了886個實驗數(shù)據(jù)，涵蓋了多種合金成分、氧化條件和抗氧化性指標。通過數(shù)據(jù)可視化分析，識別出不同元素在合金設計中的重要性，并補充合成新的合金樣本，豐富了數(shù)據(jù)集的多樣性，從而提升模型的訓練效果。

4. **模型性能和關鍵因素分析:** XGBoost模型在預測合金抗氧化性能方面表現(xiàn)出色。SHAP值分析揭示了影響抗氧化性的關鍵因素：氧化溫度和時間是主要影響因素；Nb、Zr、V、Ti、W和Hf濃度與質量增益呈正相關，不利于抗氧化性；而Al、Mo、Cr、Ta和Si濃度增加則能增強抗氧化性。這為未來合金設計提供了重要指導，例如增加Al、Cr和Si含量可有效提高抗氧化性能。

5. **中國高溫合金產業(yè)的崛起與AI的助力:** 中國高溫合金產業(yè)發(fā)展迅速，在部分領域已達到國際先進水平。但與國際巨頭相比，仍存在差距。AI技術的引入為高溫合金設計帶來了性突破，例如，通過機器學習優(yōu)化合金成分，提高高溫強度和室溫延展性，縮短研發(fā)周期。未來，AI將進一步助力中國高溫合金產業(yè)實現(xiàn)跨越式發(fā)展。

6. **總結:** 本研究成功利用AI技術，特別是XGBoost算法，實現(xiàn)了對RHEAs和RCCAs抗氧化性能的高精度預測，為新型高溫合金的研發(fā)提供了強有力的工具，推動了材料科學領域的進步，并為中國高溫合金產業(yè)的持續(xù)發(fā)展提供了新的機遇。

聯(lián)系作者

文章來源：HyperAI超神經
作者微信：
作者簡介：解構技術先進性與普適性，報道更前沿的 AIforScience 案例