80电影天堂网,少妇高潮一区二区三区99,jαpαnesehd熟女熟妇伦,无码人妻精品一区二区蜜桃网站

圖1 《Small》背封面文章：面向多主元素合金的機(jī)器學(xué)習(xí)-多目標(biāo)優(yōu)化-高通量設(shè)計(jì)方法

  相比于傳統(tǒng)合金材料，多主元素合金由于擁有高摩爾熵、擴(kuò)散緩慢和晶格畸變劇烈的特點(diǎn)，因此在耐磨性、抗腐蝕性、高溫穩(wěn)定性以及強(qiáng)度與延展性的平衡方面具有優(yōu)異的性能。這些理想的性能使得多主元素合金近年來(lái)備受金屬材料領(lǐng)域關(guān)注。然而，由于設(shè)計(jì)多主元素合金存在元素種類和配比所形成的巨大參數(shù)空間，現(xiàn)有的研究設(shè)計(jì)方法（包括模擬計(jì)算和實(shí)驗(yàn)方法）往往具有低效和成本高昂的劣勢(shì)。所以建立具有快速、高準(zhǔn)確率和低成本的設(shè)計(jì)方法對(duì)多主元素合金的未來(lái)發(fā)展具有重要的意義。

  近日，馬里蘭大學(xué)李騰教授課題組提出了一種面向多主元素合金的機(jī)器學(xué)習(xí)-多目標(biāo)優(yōu)化-高通量設(shè)計(jì)方法，該方法為設(shè)計(jì)具有理想性能的多主元素合金提供了高效精準(zhǔn)的理論指導(dǎo)。針對(duì)目前廣泛采用的分子動(dòng)力學(xué)在評(píng)估合金力學(xué)性能時(shí)，需要大量的時(shí)間和計(jì)算成本的弊端。該方法提出使用機(jī)器學(xué)習(xí)中小樣本學(xué)習(xí)算法，通過(guò)學(xué)習(xí)僅54個(gè)分子動(dòng)力學(xué)計(jì)算樣本，實(shí)現(xiàn)對(duì)10萬(wàn)個(gè)合金配方的高準(zhǔn)確率性能預(yù)測(cè)（測(cè)試集驗(yàn)證證明預(yù)測(cè)誤差小于2.7%）。在此基礎(chǔ)上，結(jié)合多目標(biāo)遺傳算法，實(shí)現(xiàn)對(duì)多元素合金的綜合性能優(yōu)化，克服了盲目或經(jīng)驗(yàn)指導(dǎo)的合金設(shè)計(jì)方法所具有的低效性。這種高效的設(shè)計(jì)方法使快速評(píng)估和設(shè)計(jì)多主元素合金性能成為可能。相關(guān)工作以“Machine Learning Accelerated, High throughput, Multi-objective Optimization of Multi-principal Element Alloys”為題，在線發(fā)表于《Small》，并被選為2021年10月的期刊背封面文章。這項(xiàng)研究同時(shí)入選Wiley最新“人工智能和機(jī)器學(xué)習(xí)熱點(diǎn)主題”。

I 多主元素合金的變形機(jī)理

  該研究通過(guò)分子動(dòng)力學(xué)模擬的方法分別對(duì)54種不同配比的CoNiCrFeMn合金模型進(jìn)行壓縮和剪切，并得到了楊氏模量和剪切應(yīng)力。通過(guò)如圖2F和2G的變化規(guī)律，分析了同一類多主元素合金不同元素摩爾濃度變化對(duì)力學(xué)性能所產(chǎn)生的影響。同時(shí)，基于該54組分子動(dòng)力學(xué)計(jì)算結(jié)果，建立數(shù)據(jù)庫(kù)，進(jìn)行機(jī)器學(xué)習(xí)模型的訓(xùn)練。

圖2 CoNiCrFeMn多主元素合金的變形機(jī)理分析

II 小樣本學(xué)習(xí)算法

  目前訓(xùn)練機(jī)器學(xué)習(xí)模型普遍需要大量的數(shù)據(jù)樣本。而在合金設(shè)計(jì)領(lǐng)域，包括模擬計(jì)算和實(shí)驗(yàn)測(cè)量的方法，都需要高昂的時(shí)間和經(jīng)濟(jì)成本。該研究提出采用小樣本學(xué)習(xí)算法來(lái)預(yù)測(cè)多主元素合金的力學(xué)性能，實(shí)現(xiàn)通過(guò)較少規(guī)模的數(shù)據(jù)樣本，訓(xùn)練機(jī)器學(xué)習(xí)模型來(lái)評(píng)估合金性能的目的，從而極大程度縮減合金評(píng)估所需的各類成本。該算法主要通過(guò)對(duì)比學(xué)習(xí)的理念（如圖3A所示），通過(guò)設(shè)計(jì)對(duì)照學(xué)習(xí)組，使機(jī)器學(xué)習(xí)模型通過(guò)學(xué)習(xí)樣本與對(duì)照組之間的對(duì)比特征，實(shí)現(xiàn)模型的預(yù)測(cè)精度收斂的效果。具體地，如圖3B所示，該研究采用了共計(jì)17個(gè)不同指標(biāo)，通過(guò)不同合金配方與對(duì)照學(xué)習(xí)組之間指標(biāo)數(shù)值對(duì)比，達(dá)到合金性能之間的對(duì)比學(xué)習(xí)目標(biāo)。

圖3 小樣本學(xué)習(xí)算法用于高效設(shè)計(jì)多主元素合金

  根據(jù)在測(cè)試集上的預(yù)測(cè)發(fā)現(xiàn)，該方法在較少樣本數(shù)量的條件下，仍能取得較高的預(yù)測(cè)精度，如圖4A和4B所示。并且相比于傳統(tǒng)的分子動(dòng)力學(xué)評(píng)估方法，該研究方法實(shí)現(xiàn)了高達(dá)12,600倍的加速預(yù)測(cè)（圖4C）。同時(shí)，對(duì)比同樣需要較少樣本進(jìn)行訓(xùn)練的線性回歸模型，證明了該方法不僅具有需求訓(xùn)練樣本少的優(yōu)勢(shì)，同時(shí)具有深度學(xué)習(xí)精度高的優(yōu)點(diǎn)。

圖4 小樣本學(xué)習(xí)算法可實(shí)現(xiàn)高精度高效率預(yù)測(cè)多主元素合金性能

III 基于機(jī)器學(xué)習(xí)的多目標(biāo)遺傳算法尋優(yōu)

  為解決多主元素合金設(shè)計(jì)中盲目或依托經(jīng)驗(yàn)指導(dǎo)的方法所具有的低效問(wèn)題，該研究采用多目標(biāo)遺傳算法，以CrFeCoNiMn合金為例，以優(yōu)化包括楊氏模量和極限剪切應(yīng)力兩種力學(xué)性能為目標(biāo)，實(shí)現(xiàn)了設(shè)計(jì)具有高強(qiáng)度高剛度的合金材料設(shè)計(jì)方法。并通過(guò)分子動(dòng)力學(xué)驗(yàn)證計(jì)算，證明了該方法的有效性，如圖5A所示。在此基礎(chǔ)上，該研究深度分析了元素的摩爾濃度變化對(duì)合金力學(xué)性能變化的影響（圖5B和5C所示）。

圖5

  論文引用信息：Tian Guo, Lianping Wu, and Teng Li. Machine Learning Accelerated, High throughput, Multi-objective Optimization of Multi-principal Element Alloys. Small, Vol. 18, No. 42, 2102972 (2021).

  https://doi.org/10.1002/smll.202102972

作者簡(jiǎn)介：

  馬里蘭大學(xué)李騰教授團(tuán)隊(duì)（http://lit.umd.edu/）專注于高性能可持續(xù)材料、軟材料、低維納米材料、原子尺度催化劑、能源存儲(chǔ)材料等的設(shè)計(jì)與開(kāi)發(fā)，相關(guān)研究成果發(fā)表在Nature, Science, Nature Review Materials, Nature Nanotechnology, Science Advances, Nature Communications, PNAS, PRL, JACS, Advanced Materials, Materials Today, Advanced Energy Materials 等國(guó)際頂級(jí)期刊，并于2018年榮獲被譽(yù)為“國(guó)際發(fā)明創(chuàng)造奧斯卡”的R&D100大獎(jiǎng)，以及2019年馬里蘭大學(xué)年度發(fā)明獎(jiǎng)（物理科學(xué)領(lǐng)域）。李騰教授現(xiàn)任馬里蘭大學(xué)先進(jìn)可持續(xù)材料與技術(shù)實(shí)驗(yàn)室主任，Extreme Mechanics Letters副主編，榮獲國(guó)際工程科學(xué)學(xué)會(huì)青年科學(xué)家獎(jiǎng)?wù)拢?016）。李騰教授在2006年和哈佛大學(xué)鎖志剛教授共同發(fā)起創(chuàng)建iMechanica.org,目前已經(jīng)成為國(guó)際力學(xué)領(lǐng)域用戶最多的網(wǎng)絡(luò)資源平臺(tái)。

  李騰教授的微信視頻號(hào)2020年7月5日開(kāi)通 （微信視頻號(hào)：李騰教授），旨在分享科研心得，助力青年學(xué)者科研騰飛。已發(fā)布超過(guò)260條干貨短視頻，受到廣泛關(guān)注并被媒體采訪，迅速成為微信視頻號(hào)科研類頭部大號(hào)。

  李騰教授定期在微信視頻號(hào)開(kāi)通直播，相繼推出了一系列熱門(mén)直播系列節(jié)目，包括【科研騰飛—大師訪談】和【騰云會(huì)客廳】等系列直播訪談，【科研論文專家門(mén)診】現(xiàn)場(chǎng)直播修改論文，以及最新科技前沿進(jìn)展直播， 觀看直播的科研人員累計(jì)已超過(guò)40萬(wàn)人，成為微信視頻號(hào)科研類熱門(mén)直播。

  加李騰教授微信，關(guān)注【李騰教授】視頻號(hào)，第一時(shí)間看到最新短視頻和直播節(jié)目。