基于机器学习设计和制备高熵氮化物陶瓷

摘要

高熵陶瓷作为一种新兴的陶瓷材料自问世起就成为陶瓷领域的研究热点,然而,其巨大的成分设计空间也为基于实验和“试错法”的组分设计带来了挑战。近年来,通过机器学习与实验探索相结合的方式为这一问题的解决带来新方法。基于此,本研究建立了4个机器学习模型,通过训练评估选出性能最好的梯度提升决策树模型(R~2=0.92)并用于预测,然后通过实验成功合成了单相的(Ti_(0.2)V_(0.2)Zr_(0.2)Nb_(0.2)Hf_(0.2))N高熵氮化物陶瓷,验证了模型的准确性,为高熵氮化物陶瓷的设计提供了新思路,加快了新体系的发现。