国家材料腐蚀与防护科学数据中心
National Materials Corrosion and Protection Scientific Data Center
高熵材料为合理设计具有优异性能的新型候选材料提供了一个新方案。最近，已经证明高熵陶瓷（HECs）得益于其成分，而具有优异的结构和功能性能，显示出巨大的应用潜力。然而，这种通过传统试错实验和高成本的第一性原理计算得出具有优异性能HEC成分的方法，受限于其巨大的成分空间。另一方面，机器学习（ML）已成为快速发现潜在HEC成分的一种主流方法，并以此筛选出具有卓越性能的HEC。在这篇文章中，我们回顾了机器学习应用于设计新型HEC，包括碳化物、氮化物、硼化物和氧化物的最新进展和发现。我们详细地讨论了HEC中ML应用涉及的不同部分，包括数据收集、特征工程，模型细化和预测性能改进。最终我们对未来用于HEC预测的ML模型的发展方向与挑战做出展望。
 国家材料腐蚀与防护科学数据中心 |
 国家高能物理科学数据中心 |
 国家基因组科学数据中心 |
 国家微生物科学数据中心 |
 国家空间科学数据中心 |
 国家天文科学数据中心 |
 国家对地观测科学数据中心 |
 国家极地科学数据中心 |
 国家青藏高原科学数据中心 |
 国家生态科学数据中心 |
 国家冰川冻土沙漠科学数据中心 |
 国家计量科学数据中心 |
 国家地球系统科学数据中心 |
 国家人口健康科学数据中心 |
 国家基础学科公共科学数据中心 |
 国家农业科学数据中心 |
 国家林业和草原科学数据中心 |
 国家气象科学数据中心 |
 国家地震科学数据中心 |
 国家海洋科学数据中心 |