基于 Calphad、机器学习和实验方法的 BCC/FCC 双固溶难熔难熔高熵合金设计

快速阅读: 《Nature.com》消息，开发两种神经网络模型预测高熵合金（HEAs）的BCC/FCC双相结构，结合CALPHAD筛选并优化训练数据。模型预测504种RHEAs中有52种具BCC/FCC相，验证显示约90%准确率。设计的双相RHEAs分两类：低固溶性导致液相分离及非平衡凝固形成双相。未来研究将进一步探索成分、相组成与性能间的关系。

为预测和筛选具有BCC/FCC双相结构的高熵合金（HEAs），开发了两种二分类神经网络模型。通过采用不同的分类标准，对这些合金进行了两次二分类，以预测多相单一结构（SS）的HEAs。由于BCC/FCC相难熔高熵合金（RHEAs）的发展较为有限，我们的模型在预测该类别时面临一定挑战。为了解决这一问题，我们基于二元合金相图、二元混合焓以及计算热力学方法（CALPHAD）对双SS RHEAs进行了初步筛选。这一过程有助于识别出一些BCC/FCC相RHEAs，并将其加入到训练数据集中。此外，我们将模型应用于504种摩尔比相等的RHEAs，预测其中52种表现出BCC/FCC相结构。通过对部分设计的RHEAs进行相结构和微观结构测试，验证了预测结果。然而，由于模型的准确率约为90%，一些合金（例如NiCrVW）仍被错误分类。这一模型和设计方法可以进一步推广和应用，用于快速筛选其他具有特定相组合的HEAs。

通过CALPHAD和机器学习方法设计的BCC/FCC双相RHEAs可归为两类。第一类在难熔金属元素与FCC元素之间表现出较低的固溶性，导致液相分离并形成BCC/FCC双相结构。这些合金在液态和高温固态下均不混溶，这表明在制备过程中实现微观结构均匀性的重要性。这种均匀性可通过粉末冶金方法实现。第二类RHEAs在非平衡凝固条件下形成BCC/FCC双相结构。通过电弧熔炼制备的合金呈现出细化的树枝晶结构。FCC亚稳相的稳定性与合金成分、相的热力学性质以及显微组织特征密切相关。

未来的研究中，我们将进一步探讨本研究中开发的BCC/FCC双相RHEAs，揭示合金成分、相组成与目标性能之间的关系。总体来看，这些设计的合金有望改善RHEA的内在脆性。

(以上内容均由Ai生成)