名称 : Dramatically Enhanced Combination of Ultimate Tensile Strength and Electric Conductivity of Alloys via Machine Learning Screening
发表日期 : 2020-09-23
摘要 : 优化材料的机械强度和韧性或介电常数和击穿强度这两个相互冲突的特性一直是一项挑战。在这里,我们提出了一种机器学习方法,通过相关筛选、递归消除和现有数据集的穷举筛选来识别一组关键特征,从而显著提高合金的组合极限拉伸强度(UTS)和电导率(EC)。我们证明了固溶强化导电铜合金的关键特征是绝对电负性、核心电子距离和原子半径,在此基础上,我们发现了一系列新的合金元素,可以显著提高UTS和电导率的结合。然后通过实验制造四种新的铜铟合金来验证这些预测,这四种合金有可能取代目前用于铁路布线的更昂贵的铜银合金。我们表明,相同的一组关键特征可以普遍适用于设计广泛的导电合金。
网址 : https://doi.org/10.1016/j.actamat.2020.09.068
领域 : 材料科学与工程
出版公司 : ELSEVIER
出版国家 : NL
重点项目名称 : 高性能高精度铜及铜合金板带材制造技术-高强高弹铜镍硅合金数据集