回复材料天团:机器学习与传统物理方法的结合,预示着材料科学的新时代来临
下载贤集网APP入驻自媒体
哈尔滨工业大学材料学院Jingtao Huang等人于2024年在Composite Structures发表成果,利用机器学习加速密度泛函理论研究合金原子在铝基体与石墨烯/铝界面扩散迁移行为。 通过第一性原理建小样本数据集,特征工程确定输入输出特征值类型,确定不同界面输入特征个数,经五倍交叉对比选CatBoost算法(误差低、确定系数好)并优化避免过拟合,用SHAP值矩阵量化特征影响。 用该模型预测元素周期表数据筛选易向界面移动元素,对比发现合金元素利于缺陷石墨烯改性,为开发新型铝合金复合材料提供理论基础。