作为磁性功能材料，高熵金属玻璃有望兼具传统单一主元金属玻璃的软磁性和晶体类高熵合金的热稳定性。多主元的特点使得高熵金属玻璃可能的合金成分数量巨大，这对新材料的研发来说既是机会也是挑战。一方面，目前已经被报道的高熵金属玻璃成分较少，还有更多高性能的新型高熵金属玻璃有待发现。另一方面，庞大的合金成分数量对传统的实验试错式新材料研发策略来说极具挑战性。在材料基因工程的背景下，大数据、人工智能等技术有望加速新材料的研发。近期，香港城市大学原校董、北京航空航天大学仪器学院单光存教授团队与香港城市大学石燦鴻教授在前期合作的铁基金属玻璃饱和磁化强度和玻璃形成能力的机器学习预测方法（“Domain knowledge aided machine learning method for properties prediction of soft magnetic metallic glasses，Transactions of Nonferrous Metals Society of China，2022”）的基础上，在Applied Materials Today期刊上发表了题为“Efficient property-oriented optimization of magnetic high-entropy metallic glasses via a multi-stage design strategy”的研究论文。该论文提出一种数据驱动的高熵金属玻璃性能优化方法，可从数百万种合金成分中分阶段快速筛选出饱和磁通密度（Bs）最优的合金成分。训练机器学习模型仅以合金化学成分为输入实现对高熵金属玻璃非晶相的分类预测和Bs的回归预测，分类预测准确度和回归预测精度分别为97.0%和MAPE(Bs) = 9.9%。通过非晶相预测模型和基于高熵设计理念的偏好设计，将包含超过400万个合金成分的Fe-Co-Ni-Si-B系合金成分空间大幅缩减近80%。基于“利用-探索”策略，设计效用函数生成合金评价指标，筛选出Bs最优的候选合金成分。利用该多阶段合金优化方法指导实验设计，制备的Fe-Co-Ni-Si-B高熵金属玻璃的矫顽力最低为~1.0 A/m，饱和磁通密度为同系列合金中的最高值。该论文提出的多阶段优化方法也可以应用于其他合金体系，实现以目标性能需求为导向的合金设计。图1 高熵金属玻璃性能优化的多阶段优化方法流程示意图图2 多阶段优化方法设计的Fe-Co-Ni-Si-B高熵金属玻璃此外，团队还申请了相关的发明专利(申请公布日：2023.12.29)：数据驱动的磁性合金多目标优化设计方法申请公布号：CN117316345A申请号：2023112368297链接地址：DOI: 10.1016/j.apmt.2023.101977 声 明：文章内容来源于材料人。仅作分享，不代表本号立场，如有侵权，请联系小编删除，谢谢！
732225485
