马里兰大学李腾教授课题组《Small》背封面文章: 面向多主元素合金的机器学习-多目标优化-高通量设计方法

点击上方“蓝字” 一键订阅

图1 《Small》背封面文章：面向多主元素合金的机器学习-多目标优化-高通量设计方法

相比于传统合金材料，多主元素合金由于拥有高摩尔熵、扩散缓慢和晶格畸变剧烈的特点，因此在耐磨性、抗腐蚀性、高温稳定性以及强度与延展性的平衡方面具有优异的性能。这些理想的性能使得多主元素合金近年来备受金属材料领域关注。然而，由于设计多主元素合金存在元素种类和配比所形成的巨大参数空间，现有的研究设计方法（包括模拟计算和实验方法）往往具有低效和成本高昂的劣势。所以建立具有快速、高准确率和低成本的设计方法对多主元素合金的未来发展具有重要的意义。

近日，马里兰大学李腾教授课题组提出了一种面向多主元素合金的机器学习-多目标优化-高通量设计方法，该方法为设计具有理想性能的多主元素合金提供了高效精准的理论指导。针对目前广泛采用的分子动力学在评估合金力学性能时，需要大量的时间和计算成本的弊端。该方法提出使用机器学习中小样本学习算法，通过学习仅54个分子动力学计算样本，实现对10万个合金配方的高准确率性能预测（测试集验证证明预测误差小于2.7%）。在此基础上，结合多目标遗传算法，实现对多元素合金的综合性能优化，克服了盲目或经验指导的合金设计方法所具有的低效性。这种高效的设计方法使快速评估和设计多主元素合金性能成为可能。相关工作以“Machine Learning Accelerated, High throughput, Multi-objective Optimization of Multi-principal Element Alloys”为题，在线发表于《Small》，并被选为2021年10月的期刊背封面文章。这项研究同时入选Wiley最新“人工智能和机器学习热点主题”。

I 多主元素合金的变形机理

该研究通过分子动力学模拟的方法分别对54种不同配比的CoNiCrFeMn合金模型进行压缩和剪切，并得到了杨氏模量和剪切应力。通过如图2F和2G的变化规律，分析了同一类多主元素合金不同元素摩尔浓度变化对力学性能所产生的影响。同时，基于该54组分子动力学计算结果，建立数据库，进行机器学习模型的训练。

图2 CoNiCrFeMn多主元素合金的变形机理分析

II 小样本学习算法

目前训练机器学习模型普遍需要大量的数据样本。而在合金设计领域，包括模拟计算和实验测量的方法，都需要高昂的时间和经济成本。该研究提出采用小样本学习算法来预测多主元素合金的力学性能，实现通过较少规模的数据样本，训练机器学习模型来评估合金性能的目的，从而极大程度缩减合金评估所需的各类成本。该算法主要通过对比学习的理念（如图3A所示），通过设计对照学习组，使机器学习模型通过学习样本与对照组之间的对比特征，实现模型的预测精度收敛的效果。具体地，如图3B所示，该研究采用了共计17个不同指标，通过不同合金配方与对照学习组之间指标数值对比，达到合金性能之间的对比学习目标。

图3 小样本学习算法用于高效设计多主元素合金

根据在测试集上的预测发现，该方法在较少样本数量的条件下，仍能取得较高的预测精度，如图4A和4B所示。并且相比于传统的分子动力学评估方法，该研究方法实现了高达12,600倍的加速预测（图4C）。同时，对比同样需要较少样本进行训练的线性回归模型，证明了该方法不仅具有需求训练样本少的优势，同时具有深度学习精度高的优点。

图4 小样本学习算法可实现高精度高效率预测多主元素合金性能

III 基于机器学习的多目标遗传算法寻优

为解决多主元素合金设计中盲目或依托经验指导的方法所具有的低效问题，该研究采用多目标遗传算法，以CrFeCoNiMn合金为例，以优化包括杨氏模量和极限剪切应力两种力学性能为目标，实现了设计具有高强度高刚度的合金材料设计方法。并通过分子动力学验证计算，证明了该方法的有效性，如图5A所示。在此基础上，该研究深度分析了元素的摩尔浓度变化对合金力学性能变化的影响（图5B和5C所示）。

图5

论文引用信息：

Tian Guo, Lianping Wu, and Teng Li. Machine Learning Accelerated, High throughput, Multi-objective Optimization of Multi-principal Element Alloys. Small, Vol. 18, No. 42, 2102972 (2021).

https://doi.org/10.1002/smll.202102972

作者简介：

马里兰大学李腾教授团队（http://lit.umd.edu/）专注于高性能可持续材料、软材料、低维纳米材料、原子尺度催化剂、能源存储材料等的设计与开发，相关研究成果发表在Nature, Science, Nature Review Materials, Nature Nanotechnology, Science Advances, Nature Communications, PNAS, PRL, JACS, Advanced Materials, Materials Today, Advanced Energy Materials 等国际顶级期刊，并于2018年荣获被誉为“国际发明创造奥斯卡”的R&D100大奖，以及2019年马里兰大学年度发明奖（物理科学领域）。李腾教授现任马里兰大学先进可持续材料与技术实验室主任，Extreme Mechanics Letters副主编，荣获国际工程科学学会青年科学家奖章（2016）。李腾教授在2006年和哈佛大学锁志刚教授共同发起创建iMechanica.org,目前已经成为国际力学领域用户最多的网络资源平台。

李腾教授的微信视频号2020年7月5日开通 （微信视频号：李腾教授），旨在分享科研心得，助力青年学者科研腾飞。已发布超过260条干货短视频，受到广泛关注并被媒体采访，迅速成为微信视频号科研类头部大号。

李腾教授定期在微信视频号开通直播，相继推出了一系列热门直播系列节目，包括【科研腾飞—大师访谈】和【腾云会客厅】等系列直播访谈，【科研论文专家门诊】现场直播修改论文，以及最新科技前沿进展直播， 观看直播的科研人员累计已超过40万人，成为微信视频号科研类热门直播。

加李腾教授微信，关注【李腾教授】视频号，第一时间看到最新短视频和直播节目。

相关进展

高分子科技原创文章。欢迎个人转发和分享，刊物或媒体如需转载，请联系邮箱：[e-mail]

诚邀投稿

欢迎专家学者提供稿件（论文、项目介绍、新技术、学术交流、单位新闻、参会信息、招聘招生等）至[e-mail]，并请注明详细联系信息。高分子科技®会及时推送，并同时发布在中国聚合物网上。

欢迎加入微信群 为满足高分子产学研各界同仁的要求，陆续开通了包括高分子专家学者群在内的几十个专项交流群，也包括高分子产业技术、企业家、博士、研究生、媒体期刊会展协会等群，全覆盖高分子产业或领域。目前汇聚了国内外高校科研院所及企业研发中心的上万名顶尖的专家学者、技术人员及企业家。

申请入群，请先加审核微信号PolymerChina （或长按下方二维码），并请一定注明：高分子+姓名+单位+职称（或学位）+领域（或行业），否则不予受理，资格经过审核后入相关专业群。

点

这里“阅读原文”，查看更多