3、高熵合金屈服强度预测与数据建模模式的研究

高熵合金屈服强度预测与数据建模模式的研究

在材料科学和数据建模领域，有两项重要的研究值得关注，一项是关于高熵合金屈服强度的预测，另一项是数据建模模式的半形式化描述方法。

高熵合金屈服强度预测

在高熵合金（HEAs）的研究中，为了更准确地预测其屈服强度，研究人员采用了数据转换和重采样的方法。

数据转换与重采样

对YS1数据集进行转换和重采样处理后，生成了转换和重采样后的数据集YS1 - TS。该数据集包含50种等原子和109种非等原子HEAs的2160个观测值。转换和重采样后，五个预测变量和屈服强度（ys）不再代表绝对值，而是代表HEAs相对于其基础合金的变化。

从相关性来看，转换和重采样显著改善了结果与预测变量之间的相关性。为了比较数据转换和重采样对YS1数据集的影响，进行了两项实验：
1. 比较基于YS1和YS1 - TS构建的两个多元线性模型。
2. 比较由Python自动机器学习框架AutoGluon在两个数据集上自动构建的两组“最佳”预测模型。

实验结果

• 多元线性模型比较 ：使用brms包中的brm函数构建线性模型lm1和lm2，它们分别基于YS1和YS1 - TS数据集。

  • lm1的表达式为：ys ≈ 275.3 − 160.7VEC − 0.67δ + 360.1Δχ − 14.4ΔHmix + 130.6ΔSmix，决定系数R²为0.44。
  • lm2的表达式为：ys ≈ − 1.254 − 595.7VEC − 50δ + 1643Δχ