A high-throughput physics-and data-driven framework for High-Entropy Alloy development

Shardul Kamat

doi:10.1016/j.actamat.2025.121045

A high-throughput physics-and data-driven framework for High-Entropy Alloy development

2025-06-01

0

PRE

AI

DOI：10.1016/j.actamat.2025.121045

原文链接

原文求助

摘要

En 中文

将成分、热-流体性质、凝固动力学及最终微观结构之间的关系联系起来，对于推动高熵合金（HEAs）在实践应用中的采用具有重要意义。然而，预测这些特性因高熵合金复杂的多元组分特性而面临重大挑战，这导致设计空间庞大，热-流体性质范围广泛。为应对此挑战，实施了多物理场仿真框架和数据驱动的代理建模方法，以提供一种快速评估方法，用于判断高熵合金成分变化如何导致材料性质和铸态微观结构的变化。该基于物理的框架将材料性质的CALPHAD模型、凝固过程中热条件的计算流体动力学（CFD）以及用于微观结构的元胞自动机（CA）进行顺序耦合。一种数据驱动的代理模型，能够从热条件中重建微观结构统计信息，通过基于物理框架的微观结构输出降维形式进行训练。降维通过微观结构的统计表征——角分辨弦长分布（ARCLDs）实现，并通过主成分分析（PCA）识别主要的ARCLD模态。该代理建模方法显著加速了基于高熵合金成分和凝固条件预测铸态微观结构特征的速度，并且高度适用于其他凝固过程。

Keyword:

High-entropy alloys

Surrogate modeling

Microstructure modeling

CALPHAD

Solidification

Process modeling

A high-throughput physics-and data-driven framework for High-Entropy Alloy development

摘要

期刊

机构

引用论文