来源：期刊VIP网 时间：
作者：张艳博;刘奕森;鲁凯举;赵孔勋;王洁;党进峰;贾胜锡;张博;梁秀兵;
单位：军事科学院国防科技创新研究院;中国兵器科学研究院宁波分院;陆空基信息感知与控制全国重点实验室西安现代控制技术研究所;
摘要：传统“试错法”在复杂成分高熵合金开发领域中遇到了效率低下的瓶颈。近年来蓬勃发展的机器学习能够快速预测复杂合金的性能，并针对目标性能提出成分建议，从而最大限度地减少对资源密集型实验或模拟的需求。为了促进领域内机器学习辅助高熵合金设计的发展，本文首先从高熵合金面临的强塑性矛盾着手，简要介绍了FCC和BCC两类高熵合金的研究现状，其次介绍了机器学习方法在合金材料研发中的应用，然后综述了机器学习辅助FCC和BCC这2类高熵合金设计的研究进展，最后提出了研究的难点与未来方向，包括机器学习预测置信度的确定、高质量数据集的获取、目标性能—成分组成的反向设计。
关键词：机器学习;;合金设计;;高熵合金;;力学性能
基金资助：国家自然科学基金(52305171)
