机器学习辅助高熵合金相结构预测

高熵合金由于其形成独特显微组织的固溶体、金属间化合物和非晶相而具有更好的物理化学性能．因此，高熵合金中的相预测是合金设计的第一步．采用机器学习算法中的支持向量机、随机森林和决策树3种模型对高熵合金的相位分类进行预测，通过网格搜索方法优化模型，并对模型进行交叉验证和性能评估．结果表明:随机森林的预测能力最佳，达到0.93的预测精度，且该模型对高熵合金固溶体相的分类效果最好，最后采用随机森林模型预测Ti Zr Nb Mo系难熔高熵合金的生成相，其预测生成相与实验结果一致．由此可见，机器学习技术对未来高熵合金的设计有很大的帮助．