国产主播欧美精品,在线视频cao,中文字幕免费一区二区,日韩三级影视

預(yù)存

登錄注冊

Document

當(dāng)前位置：文庫百科 ? 文章詳情

計算文獻導(dǎo)讀（十五）：npj Comput. Mater. | 通過混合模型指導(dǎo)機器學(xué)習(xí)的化學(xué)復(fù)合金屬玻璃的合理設(shè)計

來源：科學(xué)10分鐘時間：2022-01-11 21:27:05 瀏覽：2552次

研究背景

自20世紀(jì)60年代被發(fā)現(xiàn)以來，金屬玻璃(MGs)因其良好的結(jié)構(gòu)和功能特性，如超高的強度、良好的耐磨性、顯著的磁導(dǎo)率、優(yōu)異的耐腐蝕性和電化學(xué)催化能力等，引起了人們廣泛的研究興趣。但截至目前，具有特定GFA(玻璃成型能力)的MGs的設(shè)計，仍然具有挑戰(zhàn)性。如圖1a所示，這些MGs主要以過渡金屬為主，如Fe、Zr、Cu、Ni、Ti、Ag、Pd、Co等，少數(shù)以堿金屬和稀土金屬為主。

機器學(xué)習(xí)(ML)是一種數(shù)據(jù)驅(qū)動的方法，能夠通過建立直接的輸入-輸出關(guān)聯(lián)來解決多變量(或多維)復(fù)雜問題，而無需專門的編程。原則上，在訓(xùn)練ML模型時，人們需要正數(shù)據(jù)和負數(shù)據(jù)盡可能具有代表性和多樣性，以避免建模偏差。目前，雖然分類型ML模型對快速篩選合金成分有幫助，但它們不能準(zhǔn)確地確定具有優(yōu)良GFAs的合金成分。

圖1 研究人員的模型-指導(dǎo)混合ML算法的發(fā)展原理圖

研究結(jié)果

近日，來自中國香港城市大學(xué)的楊勇等研究人員，成功地開發(fā)了一種混合機器學(xué)習(xí)(ML)模型來改進基于經(jīng)驗、耗時且低效的規(guī)則，該模型基于一個數(shù)據(jù)庫，該數(shù)據(jù)庫包含了自20世紀(jì)60年代以來報道的約5000種不同的金屬玻璃成分(塊裝或帶狀)。不同于以往依靠經(jīng)驗參數(shù)來描述數(shù)據(jù)的工作，研究人員根據(jù)化學(xué)復(fù)合合金非晶化的最新理論模型，設(shè)計了建模指導(dǎo)的數(shù)據(jù)描述符，用于開發(fā)混合分類回歸ML算法。該混合ML模型得到了數(shù)值和實驗的驗證。

計算分析

研究人員的混合ML模型開發(fā)了三類描述符(總共8個)(見圖1b等)，如下所述：

由原子大小派生的描述符；由局部化學(xué)親和勢得來的描述符；以及由熵導(dǎo)出的描述符。對于分類ML建模，研究人員考慮數(shù)據(jù)輸出的二進制標(biāo)記。

首先，將報告中能夠形成MG帶或BMGs的合金成分標(biāo)簽為“1”，同時將其指定為典型MG成分，而其余合金成分標(biāo)簽為“0”，同時作為非典型MG成分。研究人員使用lnD而不是D(MG成分的GFA值)，作為回歸ML模型的數(shù)據(jù)輸出。

因此，研究人員的數(shù)據(jù)庫中有~5000 MG成分和~2000非-MG成分。為了排除對MG成分可能的建模偏差，研究人員應(yīng)用了合成少數(shù)過采樣技術(shù)(SMOTE)對非MG成分進行了150%的過采樣。結(jié)果，這產(chǎn)生了另外3000個虛擬的非-MG組分，以保持典型MG和非MG組分之間的尺寸平衡。

之后，研究人員使用三種ML算法對分類ML模型進行訓(xùn)練和驗證，包括自適應(yīng)增強(adaptive boosting, AB)、支持向量機(support vector machine, SVM)和k-近鄰 (KNN)(見圖1c等)。

接下來，研究人員開發(fā)了四類回歸ML模型，包括人工神經(jīng)網(wǎng)絡(luò)(ANN)、支持向量回歸(SVR)、高斯過程回歸(GPR)和隨機森林(RF)，如圖1d所示。在這四個類中，使用不同的算法構(gòu)建了11個不同的回歸ML模型，得到了6個基于ANN的模型、3個基于GPR的模型、1個基于SVR的模型和1個基于RF的模型。

為了驗證ML模型，研究人員使用LMANN、RQGPR和ExpGPR ML模型計算了三個三元(或偽三元)合金體系，即Zr-Cu-Al、Zr-Co-Al和Zr-Cu-(Ag, Al)的GFAs，并將預(yù)測值與可用的實驗數(shù)據(jù)進行了比較。從圖2a-c可以看出，RQGPR模型很好地捕捉了實驗結(jié)果的趨勢，包括沒有產(chǎn)生BMG的情況(圖2a, b)和幾乎產(chǎn)生BMG的邊緣情況(圖2b)。

圖2 RQGPR模型預(yù)測的GFAs與三元或準(zhǔn)三元合金預(yù)測的GFAs比較

根據(jù)分類ML模型的預(yù)測，研究人員發(fā)現(xiàn)了12種MG成分。為了比較，研究人員開發(fā)了23種合金成分，包括12種MG成分以及11種未通過ML建模分類的非MG成分。

接下來，用RQGPR模型對這12種非晶形成合金的GFAs進行l(wèi)nD預(yù)測，如圖3a所示。如圖3b所示，實驗結(jié)果清楚地表明，預(yù)測的12種非晶形成合金可以形成塊狀或帶狀(或兩者都存在)玻璃，而預(yù)測的11種不良非晶形成合金或非MGs合金則無法形成。

圖3 化學(xué)復(fù)合金屬玻璃的ML指導(dǎo)設(shè)計

T_g/T_l比值，也稱為還原玻璃化轉(zhuǎn)變溫度，T_rg’與MGs的GFA成正比。由圖4可見，T_g~0.63T_l有一個明顯的趨勢，在±0.05 T_l的范圍內(nèi)，研究人員的高熵MG條帶由于其相對較高的T_l或較低的T_g/T_l比值，明顯偏離了這個趨勢。

圖4 各種MGs的玻璃化轉(zhuǎn)變溫度與液相線溫度的關(guān)系的總結(jié)

圖5 Zr₂₅Hf₂₅Al₂₅Co₂₅玻璃帶與Zr₅₄Ni₁₆Cu₁₄Ti₁₀Al₆ BMG的結(jié)構(gòu)差異

圖5a比較了Zr₅₄Ni₁₆Cu₁₄Ti₁₀Al₆ BMG和Zr₂₅Hf₂₅Al₂₅Co₂₅玻璃帶在雷達圖中的描述值。顯然，它們的關(guān)鍵區(qū)別在于玻璃帶在擁有更高的描述符值。在理論上，這兩個描述符量化了晶體結(jié)構(gòu)對原子尺寸不匹配的容忍度。因此，這兩個描述符越大，晶體結(jié)構(gòu)對非晶化的容忍度(或穩(wěn)定性)就越大。

文獻鏈接

https://www.nature.com/articles/s41524-021-00607-4

上一篇：計算文獻導(dǎo)讀（十四）：npj Comput. Mater. | 高通量計算-實驗篩選協(xié)議用于尋找雙金屬催化劑

下一篇：計算文獻導(dǎo)讀（十六）：Adv. Mater. | 選擇性催化抑制Li-S電池穿梭效應(yīng)的DFT計算分析