机器学习在非晶合金原子重排事件研究中的应用
Abstract
<p indent="0mm">非晶合金作为一种新型亚稳态金属材料, 具有高强度和高耐磨性等优点. 然而, 室温脆性限制了其应用范围. 非晶合金的变形通常以剪切带的形式出现, 并伴随大量原子重排. 为了克服非晶合金在室温下的脆性, 准确识别原子重排事件成为关键挑战. 近年来, 机器学习技术在该领域研究中展现出巨大的潜力. 本文综述了人工神经网络(ANN)、支持向量机(SVM)、梯度提升决策树(GBDT)和极端梯度提升树(XGBoost)等机器学习算法在非晶合金原子重排事件研究中的应用进展, 探讨了它们在揭示材料微观机制中的作用, 并展望了未来机器学习技术在非晶合金变形研究中的发展方向. 将机器学习方法与传统材料科学研究相结合, 为非晶合金的优化设计和性能预测提供新的思路.</p>
