An experimental high-throughput to high-fidelity study towards discovering Al-Cr containing corrosion-resistant compositionally complex alloys
本研究通过高通量实验筛选结合电化学测试，在Al-Co-Cr-Fe-Ni基合金中快速识别出含Al-Cr的耐腐蚀成分复杂合金，并揭示Ni-Al短程有序与耐腐蚀性的关联。
2024-03-19 cond-mat.mtrl-sci
High-throughput exploration of alloying as design strategy for thermoelectrics
我们探索一种材料设计策略，以优化热电功率因数。该方法是基于筛选的能带结构的变化后，一个控制的体积变化。该方法适用于二元硅化物和锗化物。我们首先确认在反萤石Mg2Si和Mg2Ge中的效果，其中通过与Mg2Sn合金化来增加功率因数是实验建立的。在一个高吞吐量的形式主义，我们确定了六个以前未报告的二进制文件，表现出改善其运输性能与体积。其中，六方MoSi_2和正交Ca_2Si和Ca_2Ge的zT随体积的增加最大。然后，我们进行超细胞计算的特殊准随机结构，以调查获得的可能性，稳定的合金系统，将产生必要的体积变化。我们发现，对于Ca_2Si和Ca_2Ge，即使在低温下也容易形成具有同构Ca_2Sn的固溶体。
2015-08-14 cond-mat.mtrl-sci
A high-throughput ab initio review of platinum-group alloy systems
我们报告了一个全面的研究的二元系统的铂族金属与过渡金属，使用高通量的第一性原理计算。这些计算预测了38个二元系统中新化合物的稳定性，其中文献中没有实验报道的化合物，以及其他系统中几十种尚未报道的化合物。我们的计算还确定了稳定的结构，在化合物的组合物，以前已经报道没有详细的结构数据，并表明，一些实验报告的化合物实际上可能是不稳定的低温。利用这些结果，我们构建了铂族金属二元合金的增强结构图。这些都是更完整，更系统和预测比那些仅基于经验的结果。
2014-02-21 cond-mat.mtrl-sci
High-throughput assessment of the microstructural stability of segregation-engineered nanocrystalline Al-Ni-Y alloys
本研究结合组合合成与高通量表征，评估偏析工程纳米晶Al-Ni-Y合金的微观结构稳定性，发现共偏析能增强硬度并延缓失稳。
2023-08-30 cond-mat.mtrl-sci
A High Throughput Aqueous Passivation Testing Methodology for Compositionally Complex Alloys using Scanning Droplet Cell
本文提出一种基于扫描液滴电池的高通量测试方法，用于评估Al0.7-x-yCoxCryFe0.15Ni0.15薄膜合金组合库在0.1 mol/L H2SO4(aq)中的钝化性能，以加速发现具有优异耐腐蚀性的成分复杂合金。
2023-09-18 cond-mat.mtrl-sci
From MLIPs to Microstructure: A High-Throughput Computational Framework to Design Spinodal Alloys in High-Dimensional Composition Spaces via Analytic Derivatives of CALPHAD Model Predictions
Texas A&M University（德克萨斯农工大学）
该研究提出基于CALPHAD的开源工作流程，通过机器学习原子间势训练进行高通量微观结构稳定性分析与可视化，利用解析导数提高计算效率和准确性，以Hf-Nb-Ti-V四元系为例演示了此流程。
2026-07-23 cond-mat.mtrl-sci
Exploring the Correlation between Solvent Diffusion and Creep Resistance of Mg-Ga HCP Alloys from High Throughput Liquid-Solid Diffusion Couple
基于Mg的低熔点特性，提出了基于唯象分析和纳米压痕实验的液-固扩散偶技术来研究Mg的扩散迁移率和蠕变变形。在Mg-Ga hcp合金中，Ga溶质（即杂质）和Mg溶剂在hcp Mg-Ga合金中的扩散都被揭示出来。随后通过纳米压痕沿着相同Mg-Ga对样品内的组合物阵列绘制压缩蠕变行为。Mg-Ga hcp合金的压缩蠕变抗力随着Ga含量的增加而增加，这种增强与Mg-Zn合金中发现的相似，而优于Mg-Al合金中报道的，尽管Al在hcp-Mg中的杂质扩散比Zn和Ga慢。因此，溶剂扩散及其随组成的变化，而不是溶质扩散，建议在高温和低应力下控制蠕变性能。
2021-05-11 cond-mat.mtrl-sci
A pathway towards high throughput Quantum Monte Carlo simulations for alloys: A case study of two-dimensional (2D) $GaS_xSe_{1-x}$
由于实验上不同结构的化学计量和局部原子有序性通常是未知的，因此使用计算方法研究合金一直是一项困难的任务。为了解决这个问题，第一性原理方法已经与统计方法相结合，例如集群扩展形式主义，以构建能量壳图，这有助于确定合金结构是否可以存在于自然界中。传统上，密度泛函理论（DFT）已经被用于这样的工作流程中。在这项工作中，我们建议使用化学精确的多体变分蒙特卡罗（VMC）和扩散蒙特卡罗（DMC）方法来构建合金系统的能量壳图，由于这样的方法对起始波函数和密度泛函的依赖性较弱，与DFT的电子数相似，并且已经证明了对各种材料的成功。为了以高吞吐量的方式进行这些模拟，我们提出了一种称为Jastrow共享的方法，该方法涉及在具有不同化学计量的合金之间回收优化的Jastrow参数。我们表明，这消除了额外的VMC Jastrow优化计算的需要，并导致显着的计算成本节省（平均节省1/4的总计算时间）。由于它是一种新的后过渡金属硫族化物合金系列，已在其几层的形式合成，我们使用单层$GaS_xSe_{1-x}$作为我们的工作流程的案例研究。通过广泛测试单层$GaS_xSe_{1-x}$的Jastrow共享程序并量化成本节约，我们演示了如何使用多体VMC和DMC方法实现合金的化学精确高通量模拟。
2021-07-13 cond-mat.mtrl-sci
High-throughput computational characterization of two-dimensional compositionally complex transition-metal chalcogenide alloys
二维（2D）二元过渡金属硫属化物（TMCs）如二硫化钼表现出优良的性能，作为光吸收器件的材料。合金化的二元TMC可以形成二维组成复杂的TMC合金（CCTMCA），具有显着的性能，从组成的TMC。我们采用高通量工作流程，基于虚晶近似（VCA）模型（VCA-DFT）执行密度泛函理论（DFT）计算。我们通过预测包括Mo-W-S-Se、Mo-W-S-Te和Mo-W-Se-Te 2D CCTMCA的面内晶格常数、带隙、有效质量、自旋轨道耦合（SOC）和能带对准的性质来测试工作流程。我们验证VCA-DFT的结果，通过计算相同的属性，使用选定的组合物的单胞和超胞。上述五个性质的VCA-DFT结果与DFT计算结果相当，但MoSTe和WSTe的一些性质存在一些不准确之处。此外，2D CCTMCA可以形成如在光致发光中使用的II型异质结构。最后，我们使用Mo0.5W0.5SSe，Mo0.5W0.5STe，和Mo0.5W0.5SeTe二维CCTMCA来演示室温熵稳定合金。它们在300 K下也表现出高的电导率，有望用于光吸收器件。我们的工作表明，使用VCA-DFT计算的高通量工作流程提供了效率和准确性之间的权衡，为各种应用的其他2D CCTMCA的计算设计提供了机会。
2020-08-16 cond-mat.mtrl-sci
High-throughput design of all-d-metal Heusler alloys for magnetocaloric applications
本文利用高通量密度泛函理论筛选出686个稳定的全d金属Heusler化合物，发现其普遍具有延展性，并确定49个具有双井能量面及11个具结构相变的候选材料，为磁制冷和形状记忆应用提供了新方案。
2023-06-29 cond-mat.mtrl-sci
High-throughput Alloy and Process Design for Metal Additive Manufacturing
本研究开发了一个高通量计算框架，利用深度学习代理模型加速热模拟，实现了金属增材制造合金可打印性评估的1000倍加速，成功预测并筛选出适用于高温应用且缺陷最少的候选合金。
2023-04-09 cond-mat.mtrl-sci
High-Throughput Exploration of Refractory High-Entropy Alloys for Strength and Plasticity
本文利用深度学习模型高通量筛选高熵合金，发现同时具备高强度和高塑性的新型材料。
2025-11-20 cond-mat.mtrl-sci
Artificial Intelligence for High-Throughput Discovery of Topological Insulators: the Example of Alloyed Tetradymites
在使用高通量经验描述符或基于熵的指标预测新拓扑材料方面已经取得了重大进展。到目前为止，这些方法已被应用于现有数据库中的材料，并严格限于具有明确定义的对称性的系统，留下了更大的材料空间未被探索。使用tetradymites作为一个典型的类的例子，我们发现了一种新的二维描述符，通过应用人工智能（AI）为基础的方法，快速和可靠的识别的拓扑特征的急剧扩大的范围内的材料，而无需事先确定其特定的对称性和详细的能带结构。通过利用这个描述符，只包含原子序数和电负性的组成物种，我们已经很容易扫描了大量的合金的辉碲铋矿家庭。引人注目的是，其中近一半被确定为拓扑绝缘体，揭示了拓扑材料世界的更大领域。目前的工作也证明了这种基于人工智能的方法在现代材料发现中越来越重要的作用。
2020-02-28 cond-mat.mtrl-sci
The search for high entropy alloys: a high-throughput $\textit{ab-initio}$ approach
虽然正在进行的探索发现新的高熵系统正在慢慢扩展到金属之外，但用于预测多组分系统的固溶体形成能力的合理有效方法仍有待开发。在这篇文章中，我们提出了一种新的高通量的方法，称为"LTVC"，用于估计的转变温度的固溶体：从头算能量被纳入平均场统计力学模型，其中的序参量如下的演变无序。的LTVC方法证实了蒙特卡罗模拟和结果，从目前最可靠的数据为二元，三元，四元和五元系统（96.6%，90.7%，100%和100%，正确的固溶体预测，分别）。通过扫描AFLOW联盟储存库中的数千个系统，可以预测大量以前未知的潜在四元和五元固溶体，以供将来的实验验证。
2018-07-13 cond-mat.mtrl-sci
Microstructural and compositional design principles for Mo-V-Nb-Ti-Zr multi-principal element alloys: a high-throughput first-principles study
由于多主元素合金（MPEAs）的成分空间很大，合理设计MPEAs以优化其微观组织是困难的。因此，高通量的第一性原理研究的Mo-V-Nb-Ti-Zr，耐火MPEA，进行深入了解底层的微观结构。使用蒙特卡罗模拟供电的集群扩展，我们发现的原则，管理MPEA的微观结构在一个大的组成空间，包括非等原子的组合物，并包括组成的二元，三元和四元。在休谟-Rothery规则的精神完全固溶度，我们提出了一个定量的表达式预测固溶体形成的组合物。在一个一致的框架内，我们的研究结果再现微观结构的观察（固溶体与偏析）从许多实验，并提供微观结构的预测，在成分空间中的未探索的地区。我们的工作阐明了MPEA的微观结构中的元素的分离和聚类趋势，提出了一套简单但功能强大的设计原则，为未来的实验，合理设计MPEA与所需的微观结构，优越的机械性能。
2021-05-04 cond-mat.mtrl-sci
Accelerated Discovery of Molten Salt Corrosion-resistant Alloy by High-throughput Experimental and Modeling Methods Coupled to Data Analytics
熔盐耐腐蚀合金的可用性不足严重限制了各种有前途的熔盐技术的实现，否则这些技术可能会产生重大的社会影响。为了加速熔盐应用的合金开发并对这些环境中的腐蚀进行基本了解，我们在这里提出了一种集成方法，该方法使用一组高通量合金合成，腐蚀测试和建模，再加上自动化表征和机器学习。通过使用这种方法，广泛的Cr-Fe-Mn-Ni合金在熔融盐中的耐腐蚀性进行了评估，同时表明耐腐蚀合金的开发可以加快数千倍。基于上述结果，揭示了Cr-Fe-Mn-Ni合金在熔盐中腐蚀的牺牲机制，该机制可用于保护合金中不稳定元素不被耗尽，为高温熔盐耐腐蚀合金的设计提供了新的思路。
2021-04-20 cond-mat.mtrl-sci physics.chem-ph
A new high-throughput method using additive manufacturing for alloy design and heat treatment optimization
增材制造（AM）制造的许多合金需要仔细设计后热处理，作为微观结构工程的一个不可或缺的步骤，以进一步提高性能。我们开发了一种高通量的方法，通过制造一个长杆样品热处理下的监测梯度温度区的相变研究，以加速后热处理的AM合金的发展。这种方法已被证明是有效的，在确定时效温度与峰值硬度。我们观察到，通过激光粉末床熔融所研究的高温合金的沉淀强化是占主导地位的，并且晶粒尺寸变化对605和825摄氏度之间的温度不敏感。该方法可应用于其它AM材料的后热处理工艺优化，并进一步辅助新合金的开发。
2020-07-31 cond-mat.mtrl-sci physics.app-ph
Corrosion-resistant aluminum alloy design through machine learning combined with high-throughput calculations
本研究通过机器学习与从头计算结合，开发强化自学习算法（R2>0.92）优化铝合金，制备出伸长率约30%的耐腐蚀合金，并验证Cu修饰增强晶界抗裂性。
2023-12-26 cond-mat.mtrl-sci
High-throughput in-situ characterization and modelling of precipitation kinetics in compositionally graded alloys
开发新的工程合金化学是一个耗时和迭代的过程。一个必要的步骤是表征纳米/微观结构，以提供所考虑的每种合金化学成分的加工和性能之间的联系。加速识别最佳化学成分的一种方法是使用含有成分梯度的样品，即。组合样品，并同时研究许多不同的化学物质。然而，对于工程合金，最终性能不仅取决于化学，而且取决于微观结构发展的路径，这需要表征每种化学的微观结构演变。在这方面的贡献，我们展示了一种方法，允许在原位，纳米级表征合金中的沉淀物结构，作为老化时间的函数，在组合样品中含有的组成梯度。该方法使用小角X射线散射（SAXS）在同步加速器光束线。Cu-Co系统用于概念验证，并且制备的组合样品含有0%至2%的Co梯度。将这些样品在450{ \textdegree } ℃和550{ \textdegree } ℃之间的温度下老化，并且同时监测作为时间函数的全部沿组成梯度的沉淀物结构（沉淀物尺寸、体积分数和数密度）。这个大的数据集是用来测试的适用性和鲁棒性的常规类模型的沉淀，考虑并发成核，生长和粗化和模型的能力来描述这样一个大的数据集。
2015-08-27 cond-mat.mtrl-sci
Unveiling potential candidates for rare-earth-free permanent magnet and magnetocaloric effect applications: a high throughput screening in Fe-N alloys
该研究通过高通量密度泛函理论计算，在Fe-N合金中筛选出49个铁磁案例，其中15种为潜在永磁体（含1种硬磁、14种半硬磁）、40种为潜在巨磁热效应材料，填补了应用空白，为无稀土永磁和磁热应用提供候选。
2025-01-03 cond-mat.mtrl-sci
High-throughput extraction of the anisotropic interdiffusion coefficients in hcp Mg-Al alloys
提出了一种高通量的实验方法来提取各向异性互扩散系数相结合的信息，通过电子探针显微分析（EPMA）和晶粒取向谱的电子背散射衍射（EBSD）对多晶扩散偶获得的组成分布。采用正演模拟方法，得到了不同取向晶粒中的互扩散系数，并用于确定Mg-Al合金中垂直于（D_ \perp（x））和平行于（D_ \parallel（x））c轴的各向异性互扩散系数分别在673 K和723 K下随Al溶质含量的变化。结果表明，互扩散系数随Al含量和相对于c轴的旋转角度的增加而增加，在723 K时，互扩散系数在θ约30 °处有一个谷点。并且注意到沿基面的扩散总是比沿c轴的扩散快。给出了互扩散系数随Al含量、晶粒取向和温度变化的显式表达式。由本文结果外推得到的Al在hcp Mg中的各向异性杂质扩散系数与文献中的第一性原理计算符合得很好。
2019-07-08 cond-mat.mtrl-sci
Exploration of all-3d Heusler alloys for permanent magnets: an ab initio based high-throughput study
本研究通过高通量筛选和第一性原理计算，发现Fe2NiZn、Fe2NiTi和Ni2CoFe三种全3d Heusler合金具有高磁各向异性和高居里温度，可作为永磁体候选，且应变可调控其各向异性。
2023-04-21 cond-mat.mtrl-sci
High-throughput characterization of transition metal dichalcogenide alloys: Thermodynamic stability and electronic band alignment
本文基于第一性原理与合金团簇展开计算72种TMD单层合金相图，揭示室温下有序相普遍缺失但存在稳定Janus相，并量化能带边缘弯曲，证明混合合金能带边缘位置可在边界相范围内连续调控。
2022-04-24 cond-mat.mes-hall cond-mat.mtrl-sci
High-throughput ab initio analysis of the Bi-In, Bi-Mg, Bi-Sb, In-Mg, In-Sb, and Mg-Sb systems
合金晶体结构的预测和表征是材料研究中的一个关键问题。利用高通量从头计算方法，我们研究了下列体系的低温相图：{Bi-In，Bi-Mg，Bi-Sb，In-Mg，In-Sb，和Mg-Sb}。对于实验观察到的阶段，在这些系统中，我们提供有关其在低温下的稳定性的信息。关键词：二元合金，从头算，金属间化合物，过渡金属，结构预测，相稳定性，镁，铟，铋，锑。
2005-02-22 cond-mat.mtrl-sci
Combinatorial Development of Amorphous/nanocrystalline Biphase Soft Magnetic Alloys with Silicon-steel like Saturated Magnetic Induction
针对高Bs软磁合金筛选依赖高实验强度熔铸法、磁性能高通量表征难的问题，开发基于高通量MOKE的组合筛选法，发现高Bs低Hc合金多为非晶-纳米晶双相结构，还得到Bs达2.02T、电阻率为硅钢17倍的Fe基合金薄膜，为软磁材料研发提供新范式。
2025-07-31 cond-mat.mtrl-sci
Accelerated design of linear-superelastic Ti-Nb nanocomposite alloys with ultralow modulus via high-throughput phase-field simulations and machine learning
控制马氏体相变过程以获得特定性能是记忆合金在先进技术中创新应用的关键。在这里，我们探索和设计的MT行为和Ti-Nb纳米复合材料的机械性能相结合的高通量相场模拟和机器学习（ML）的方法。基于系统的相场模拟，我们获得了由四个宏观自由度构建的各种纳米复合材料的力学性能数据集，这些数据集可以用于设计和优化不同应用的微结构。为了加速所需金属生物材料的相场筛选，采用ML辅助策略来执行机械性能的多目标优化，通过该策略来预筛选有前途的纳米复合材料配置以用于下一组相场模拟。通过ML引导的模拟，设计了由富Nb基质和贫Nb纳米填料组成的优化候选物，其表现出前所未有的机械性能的组合，包括超低模量、线性超弹性和近无滞后。纳米复合材料中的优异机械性能源自优化的连续MT，而不是典型SMA中常见的尖锐的一级转变。这一工作为开发具有特殊性能的新型功能材料提供了一种新的计算方法和设计理念。
2021-05-13 cond-mat.mtrl-sci
Machine learning interatomic potential for high throughput screening and optimization of high-entropy alloys
我们开发了一种基于机器学习的四元MoNbTaW（R4）和五元MoNbTaTiW（R5）高熵合金（HEAs）的原子间相互作用势（MLIP）。MLIP使得能够对各种非等摩尔R4和R5合金的弹性和机械性质进行精确的高通量计算，否则当使用密度泛函理论（DFT）进行计算时，这些计算是非常耗时的。我们表明，MLIP预测的性能比较以及与DFT的结果在各种测试情况下，与现有的实验数据是一致的。MLIP还用于通过R4组成的引导迭代调整来高通量优化非等摩尔R4候选物，以发现具有有希望的硬度-延展性组合的候选材料。我们还使用这种方法来研究Ti浓度对R4的弹性和机械性能的影响，通过统计平均超过100个随机结构的性能。MLIP预测的硬度和体积模量的等摩尔R4和R5 HEAs的验证使用实验测量的维氏硬度和模量。这种方法为采用MLIP进行HEA候选优化开辟了新的途径。
2022-01-21 cond-mat.mtrl-sci physics.comp-ph
A High-Throughput Computational Dataset of Halide Perovskite Alloys
具有改进的稳定性和光电性能的新型卤化物钙钛矿可以经由阳离子和/或阴离子位点处的组成工程设计。数据驱动的方法，特别是基于独特材料描述符的高通量第一原理计算和后续分析，是实现这一目标的关键。在这项工作中，我们报告了一个基于密度泛函理论（DFT）的数据集的495 $ABX_3$卤化物钙钛矿化合物，考虑在A，B和X网站的各种原子和分子物种，和不同的混合量应用在每个网站使用特殊的准随机结构（SQS）的合金方法。我们对所有495个伪立方钙钛矿结构进行了GGA-PBE计算，并使用HSE 06泛函进行了大约250次计算，包括有和没有自旋轨道耦合，包括几何优化和PBE优化结构的静态计算。晶格常数，分解能量，带隙，和理论光伏效率，计算使用每个层次的理论，并与收集的实验值进行比较。在数据中的趋势是解开在不同的网站，在化合物中存在的特定元素或分子物种的分数，和平均物理性质的物种在不同的网站混合的影响。我们基于容差因子、立方度偏差、计算稳定性和光电特性的多个定义在钙钛矿数据集上进行筛选，从而获得一系列有前途的组合物和设计原则，以实现多种所需的特性。我们的多目标，多保真度，计算卤化物钙钛矿合金数据集是迄今为止最全面的数据集之一，是开源的，目前正在用于训练预测和优化模型，以加速设计用于卓越光电应用的新型组合物。
2023-02-09 cond-mat.mtrl-sci
High-throughput calculations combining machine learning to investigate the corrosion properties of binary Mg alloys
镁合金作为结构材料和生物医用材料具有广阔的应用前景，但其耐蚀性差限制了其进一步的应用。为了避免费时费力的实验验证，本文设计了一种基于第一性原理计算的高通量计算策略，从热力学和动力学两个角度对含金属间化合物的二元镁合金进行耐腐蚀性能的筛选。首次发现了相对于镁基体具有低平衡电势差的稳定二元金属间化合物。然后，这些Mg金属间化合物的表面上的氢吸附能的计算，和腐蚀交换电流密度进一步计算的析氢反应（HER）动力学模型。在此基础上，利用功函数（W_f）和加权第一电离能（WFIE）建立了具有合适氢吸附能的Mg金属间化合物的机器学习模型。的ML模型的泛化测试五个新的二元Mg金属间化合物的平均均方根误差（RMSE）为0.11 eV。本研究不仅预测了一些有前途的二元Mg金属间化合物，可以抑制电偶腐蚀，但也提供了一个高通量的筛选策略和ML模型的耐腐蚀合金的设计，这可以扩展到三元Mg合金或其他合金系统。
2022-01-22 cond-mat.mtrl-sci physics.comp-ph
High-throughput thermodynamic screening of oxide-scale adhesion across the CoCrFeMnNiAl high-entropy alloys
University of Manitoba（曼尼托巴大学）
本研究利用宏观原子模型结合McLean和Guttmann模型，高通量筛选CoCrFeMnNiAl高熵合金中五种反应性元素对氧化皮附着力的影响，发现氧化物依赖的排序反转，并确定Co16Cr16Fe16Ni16Al35为最佳抗硫成分。
2026-09-11 cond-mat.mtrl-sci
A strategic high throughput search for identifying stable Li based half Heusler alloys for spintronics applications
在这项工作中，高通量DFT计算进行碱金属基半Heusler合金; LiY $_p$ Y $^\prime_{1-p}$ S（Y，Y $^\prime$ = V，Cr，Mn，Fe，Co，Ni和$\mathit{p}$ = 0，0.25，0.5，0.75，1）。从243个结构副本开始，系统过滤器被设计为通过考虑离子的磁性排列所产生的贡献来选择能量和振动有利的组合物。因此，26个动态稳定的磁性成分被确定，其中10个被发现是铁磁性（FM），4反铁磁性（AFM）和12亚铁磁性（FiM）。发现4 FM和8 FM样品显示100 $\%$自旋极化。此外，发现在4 FM、3 FiM和4 AFM组合物中存在四重畸变，这表明易轴磁晶各向异性的可能性。铁磁LiFe $_{0.5}$ Mn $_{0.5}$ S和反铁磁LiFeS具有最显著的易轴磁晶各向异性。
2022-03-22 cond-mat.mtrl-sci physics.comp-ph
Determining the Optimal Phase-Change Material via High-Throughput Calculations
相变和记忆合金的发现和优化仍然是一个繁琐和昂贵的过程。本文提出了一种简单的计算方法来确定由三种元素组成的给定合金的理想相变材料。使用第一性原理计算，在高通量框架内，可以确定任何两个假定相之间的相变材料的理想组成。这种理想的组合物使结构转变期间的界面应变最小化。然后，人们可以通过实验将这种理想的组合物作为目标，以生产具有低机械故障率的化合物，用于各种潜在的应用。在这里，我们将提供证据证明我们对众所周知的相变材料的计算的有效性，其中我们预测了理想的组成，并将其与实验结果进行比较。
2019-03-04 cond-mat.mtrl-sci
High-Throughput ab-initio Dilute Solute Diffusion Database
我们演示了自动生成的扩散数据库，从高通量密度泛函理论（DFT）计算。用多频扩散模型计算了Mg、Al、Cu、Ni、Pd和Pt主晶格中的230多个稀溶质扩散体系。我们采用修正方法，溶质在合金中的扩散，使用主机自扩散率的实验和模拟值。我们发现很好的协议与实验溶质扩散数据，获得加权激活势垒RMS误差为0.176 eV时，排除磁性溶质在非磁性合金。编译的数据库是世界上最大的一致计算从头溶质扩散数据的集合。
2016-02-04 cond-mat.mtrl-sci
High-throughput screening of Heusler alloys for thermoelectrics combining machine-learned densities of states and first-principles transport
Sardar Vallabhbhai National Institute of Technology, Surat（印度苏拉特萨达尔·瓦拉巴伊国立理工学院）；Indian Institute of Technology Madras（印度马德拉斯理工学院）
本研究结合机器学习态密度与第一性原理输运，对DXMag数据库中10万余种Heusler合金进行高通量筛选，确认80种候选热电材料，验证了DOS衍生指标的筛选有效性。
2026-10-15 cond-mat.mtrl-sci
Accelerating high-throughput searches for new alloys with active learning of interatomic potentials
我们提出了一种材料预测的方法，该方法使用机器学习原子间势来近似量子机械能和主动学习算法来自动选择最佳训练数据集。我们的方法显着减少了DFT计算所需的量，仅采用DFT来产生训练数据，而结构优化是使用原子间势进行的。我们的方法不限于一种（或少量）晶格类型（例如，聚类扩展的情况），并且可以预测训练数据集中不存在的晶格类型的结构。我们证明了我们的算法的有效性，通过预测以下三个系统的凸包：Cu-Pd，Co-Nb-V，和Al-Ni-Ti。我们的方法比传统的高通量DFT计算快三到四个数量级，并探索了更广泛的材料空间。在所有三个系统中，我们发现了未报告的稳定结构相比，AFLOW数据库。因为我们的方法比高通量方法或团簇扩展便宜得多，并且探索了更多的材料空间，并且因为我们的原子间相互作用势与经验势如EAM等相比具有系统可改进的精度，它将对发现新的合金相，特别是具有三种或更多种组分的合金相产生重大影响。
2018-06-27 cond-mat.mtrl-sci physics.comp-ph
High-throughput validation of phase formability and simulation accuracy of Cantor alloys
University of Toronto（多伦多大学）；King Abdullah University of Science and Technology（阿卜杜拉国王科技大学）；Idaho National Laboratory（爱达荷国家实验室）；Rowan University（罗文大学）；IBM T.J. Watson Research Center（IBM托马斯·J·沃森研究中心）；Canadian Light Source（加拿大光源）；University of Wisconsin-Madison（威斯康星大学麦迪逊分校）；Schwartz Reisman Institute for Technology and Society（施瓦茨·赖斯曼技术与社会研究所）；Vector Institute for Artificial Intelligence（向量人工智能研究院）
本研究提出了一种定量置信度指标，用于评估高熵合金相形成性和模拟精度的高通量验证，通过实验与计算的整合，识别关键差异以指导未来模型优化。
2025-11-24 cond-mat.mtrl-sci cs.LG
Machine-learning potentials enable predictive $\textit{and}$ tractable high-throughput screening of random alloys
我们提出了一个自动化的程序计算堆垛层错能随机合金从大规模模拟使用矩张量势（MTP）的准确性密度泛函理论（DFT）。为此，我们开发了一种算法，用于在随机合金上训练MTP。在第一步中，我们的算法构建了一组约10000或更多的训练候选配置与50-100个原子，是代表在大规模模拟中发生的原子邻域。在第二步中，我们使用主动学习将这个集合减少到大约100个最不同的配置-计算DFT能量和力，并最终训练势。我们验证了我们的算法MoNbTa中熵合金的MTP再现DFT $\frac{1}{4}[111]$不稳定的堆垛层错能量在整个组成空间高达百分之几。与现有技术的方法相反，相干势近似（CPA）或特殊的准随机结构（SQS），我们的算法自然帐户松弛，不受DFT细胞大小的限制，并打开机会，有效地调查后续问题，如化学排序。在更广泛的意义上，我们的算法可以很容易地修改，以计算随机合金的相关属性，例如，失配体积，或晶界能。此外，它形成的基础上，一个有效的建设MTPs用于大规模模拟的多组分系统。
2021-10-19 cond-mat.mtrl-sci physics.comp-ph
Two-Shot Optimization of Compositionally Complex Refractory Alloys
面向Ti-V-Nb-Mo-Hf-Ta-W成分复杂难熔合金，本文结合高通量计算热力学、实验迭代与批量贝叶斯优化，在两轮设计内显著提升比硬度和比弹性模量。
2024-05-12 cond-mat.mtrl-sci
Computational screening of magnetocaloric alloys
在过去的几十年里，一个令人兴奋的发展一直是使用高通量计算筛选作为一种手段，确定有前途的候选材料的各种结构或功能特性。实验上，经常发现性能最高的材料含有大量的原子位置无序。然而，这些在高通量计算搜索中经常被忽视，因为难以处理不具有简单，明确定义的晶体学晶胞的材料。在这里，我们表明，磁热材料的筛选与密度泛函理论的磁变形代理的帮助下，可以扩展到系统的原子位置无序。这是通过对固溶体中有序超晶胞的磁变形进行热力学平均来实现的。我们发现，高度非单调磁热性能的无序固溶体Mn（Co $_{1-x}$ Fe $_x$）Ge和（Mn $_{1-x}$ Ni $_x$）CoGe的成功捕获使用这种方法。
2020-02-10 cond-mat.mtrl-sci
A Fast and Robust Method for Predicting the Phase Stability of Refractory Complex Concentrated Alloys using Pairwise Mixing Enthalpy
预测难熔高浓度复合合金（RCCA）的成分和温度依赖稳定性的能力对于高温结构合金的设计至关重要。在这里，我们提出了一个基于第一性原理计算的模型，以高通量的方式预测多组分等摩尔固溶体的热力学稳定性，并将其应用于筛选超过20，000个组合物。我们开发了一个数据库，其中包含成对混合焓的17种难熔金属使用密度泛函理论（DFT）为基础的总能量计算。为此，我们拟合了热力学溶液模型，该模型可以准确地捕获多组分BCC固溶体的混合焓。通过比较它们的能量与DFT计算的材料项目数据库中的金属间化合物的焓，并使用凸包分析，我们确定了任何RCCA的稳定相作为温度的函数。NbTiZr，NbTiZrV，NbTiZrVM（M = Mo，Ta，Cr）系统作为温度的函数预测的稳定性与以前的实验观察一致。我们应用我们的模型来预测NbVZr-Tix（0 < x < 1）中的相演化，这是使用高通量的基于激光沉积的合成技术实验证实的。该方法提供了一种快速准确的方法来估计新的RCCA的相稳定性，以加快其实验发现。
2022-09-28 cond-mat.mtrl-sci
Towards automated design of corrosion resistant alloy coatings with an autonomous scanning droplet cell
我们提出了一种自主扫描液滴池平台，设计用于按需合金电沉积和实时电化学表征，用于研究多组分合金的耐腐蚀性能。自动化和机器学习目前正在推动高通量和自主材料设计和发现的快速创新。我们提出了两个合金设计案例研究：一个侧重于多目标耐腐蚀合金优化，一个案例研究强调了多峰表征的复杂性，这些表征需要深入了解驱动所观察到的材料行为的潜在结构和化学因素。这激发了自主研究平台与科学机器学习方法之间的紧密耦合，该方法融合了机械物理模型和黑箱机器学习模型。这一新兴的研究领域提供了新的机会，以加速材料的合成，评估，从而发现和设计。
2022-03-31 cond-mat.mtrl-sci
Modern Data Analytics Approach to Predict Creep of High-Temperature Alloys
合金设计的突破通常需要对复杂的多组分/多相体系有全面的了解，以产生新的材料假设。我们引入了一个现代化的数据分析工作流程，该工作流程利用从高保真模型中获得的高级功能增强的高质量实验数据。在这里，我们使用一个例子的一致测量蠕变数据集的发展高温合金结合科学合金功能填充从高通量计算热力学方法。广泛的相关性分析为最具影响力的合金抗蠕变特性提供了排名见解，这些特性是根据领域专家建议的大量候选特性进行评估的。我们还表明，我们可以准确地训练机器学习模型，通过整合从相关性分析获得的高级别的功能。所展示的方法可以扩展到结合热力学特征之外，来自领域专家的输入用于编译来自其他合金物理学的特征列表，例如扩散动力学和微观结构演变。
2018-11-03 cond-mat.mtrl-sci
Resistivity testing of palladium dilution limits in CoPd alloys for hydrogen storage
钯满足了有效储氢材料的大部分要求，但有两个主要缺点：它具有相对低的重量氢密度，并且对于大规模应用来说过于昂贵。Pd基合金应被视为纯Pd的可能替代品。问题是在保持氢吸收能力的同时，可以在多种候选材料中稀释多少Pd浓度。我们证明，薄膜合金样品的电阻率测量可用于定性高通量筛选和研究的吸氢性能在整个范围内的钯浓度。与富钯合金相反，在富钯合金中，额外的氢散射指示氢含量的程度，稀释的合金膜响应于由于其厚度膨胀而导致的电阻降低。显着的氢吸收的证据被发现在薄CoPd薄膜稀释到只有20%的Pd。
2022-01-09 cond-mat.mtrl-sci
AI-accelerated Materials Informatics Method for the Discovery of Ductile Alloys
在计算材料科学中，预测宏观（例如，机械）特性的方法是使用依赖于某些材料特性（弹性常数、失配体积等）的描述符的组合来定义模型，代表宏观行为。材料性质通常使用特殊的准随机结构（SQS）与密度泛函理论（DFT）一起计算。然而，DFT与原子数成立方比例，因此对于许多合金组合物的筛选是不切实际的。在这里，我们提出了一种新的方法，结合建模方法和机器学习原子间的潜力。机器学习原子间势比DFT快几个数量级，同时达到类似的精度，允许在整个合金空间进行预测性和易处理的高通量筛选。通过预测中熵合金Mo-Nb-Ta的室温塑性说明了所提出的方法。
2022-10-14 cond-mat.mtrl-sci
Machine-learning approach for the phase stability and mechanical properties of disordered alloys at finite temperature
School of Physics, AMBER and CRANN Institute, Trinity College, Dublin 2, Ireland（都柏林三一学院物理学院、AMBER与CRANN研究所）
本研究以Ni-Pd体系为原型，构建高效机器学习势，证实Ni-Pd固态溶液约600 K时热力学稳定，为无序合金研究提供高通量工作流程，可扩展至多组分体系。
2026-08-12 cond-mat.mtrl-sci
Rapid screening of molecular beam epitaxy conditions for monoclinic (InxGa1-x)2O3 alloys
本文提出一种基于循环生长与原位刻蚀的高通量分子束外延方法，用于快速筛选单斜(InxGa1-x)2O3合金的生长条件，并结合机器学习图像识别区分生长区域，显著提高实验通量和衬底利用率。
2024-01-12 cond-mat.mtrl-sci
High-throughput Discovery of Magnetic Rare Earth Transition Metal Alloys
University of North Carolina at Charlotte（北卡罗来纳大学夏洛特分校）；University of Virginia（弗吉尼亚大学）
该研究结合扩散晶体结构生成与分层筛选的加速材料发现框架，筛选超24万种结构，识别300余种低能磁性候选物，发现4种富铁高饱和磁化强度稳定相，为磁性材料设计提供指导。
2026-08-27 cond-mat.mtrl-sci
Combinatorial Discovery of Irradiation Damage Tolerant Nano-structured W-based alloys
聚变反应堆中的挑战之一是发现能够承受极端条件（例如辐射损伤和高热通量）的面向等离子体的材料。聚变材料的开发可能是一项艰巨的任务，因为需要探索微观结构和成分的大量组合，其中每一种都需要基于试错的辐照实验和材料表征。在这里，我们利用组合实验，允许快速和系统的表征成分-微观结构依赖的纳米结构的钨合金的辐照损伤行为。合成了W-Re-Ta合金的组合材料库，随后进行了高通量实验，以探测合金的机械、热和结构性能的辐照损伤。这种高效的技术可以快速识别具有优异损伤容限的成分范围。我们发现，注入的He团簇的分布可以显着改变的Ta和Re，这在确定辐照后的性质变化中起着至关重要的作用。
2022-08-02 cond-mat.mtrl-sci
Integrated Design of Aluminum-Containing High-entropy Refractory B2 Alloys with Synergy of High Strength and Ductility
研究融合高通量机器学习与Monte Carlo模拟筛选并设计含铝单相B2难熔高熵合金，实现强度与塑性协同，并揭示价电子数及元素有序化对力学性能的影响。
2023-12-07 cond-mat.dis-nn cond-mat.mtrl-sci
A map of single-phase high-entropy alloys
本研究通过高通量密度泛函理论计算构建单相高熵合金化学图谱，识别出超3万种潜在合金，并成功预测合成两种新型高熵合金。
2023-04-20 cond-mat.mtrl-sci
Solid solution and precipitation strengthening effects in basal slip, extension twinning and pyramidal slip in Mg-Zn alloys
提出了一种高通量的方法，基于扩散偶和先进的纳米力学测试方法的组合，直接测量合金化对镁合金中各个变形模式的临界分辨剪切应力（CRSS）的影响。该方法在Mg-Zn合金中进行了测试，通过评估合金化效果，直到Zn含量为2at.%，在两种冶金状态下，即淬火态和峰时效态，Zn溶质原子在固溶体中均匀分散，Zn原子形成棒状$MgZn_{2}$析出相。一个综合的方法，包括微观力学测试，透射菊池衍射，和高分辨率透射电子显微镜进行，以揭示相应的变形机制。结果表明，$MgZn_{2}$沉淀对基体滑移和拉伸孪晶的CRSS增强作用明显大于Zn固溶体的作用，而对锥体滑移的增强作用在两种情况下是相似的。结果表明，固溶强化Mg-Zn合金的各向异性比保持较高，与纯Mg相似。然而，它们在沉淀强化Mg-Zn合金中显著减少。
2021-10-07 cond-mat.mtrl-sci
Multi-principal element alloy discovery using directed energy deposition and machine learning
本研究结合定向能量沉积高通量合成、自动化表征与主动机器学习强化模型，高效筛选出强度显著优于此前研究的Cr-Fe-Mn-Ni系新型多主元合金。
2023-10-06 cond-mat.mtrl-sci
Designing rare-earth free permanent magnets in Heusler alloys via interstitial doping
基于高通量密度泛函理论计算，研究了轻间隙原子H、B、C和N对立方Heusler合金磁性能的影响，旨在设计新型无稀土永磁体.据观察，间隙原子诱导显着的四重畸变，导致32个候选人与大（$>$ 0.4 MJ/m $^3$）单轴磁晶各向异性能（MAEs）和10例大面内MAEs。根据微扰理论和化学键的详细分析表明，强的MAE来源于晶体的局部畸变，从而改变了晶体周围的化学键。这提供了一种有价值的方法来定制MAE以获得有竞争力的永磁体，填补了高性能Sm-Co/Nd-Fe-B和广泛使用的铁氧体/AlNiCo材料之间的空白。
2019-09-07 cond-mat.mtrl-sci
Data-Driven Design of Novel Halide Perovskite Alloys
卤化物钙钛矿性质的极大可调性为光电应用提供了新的机会，也为探索组合化学空间带来了重大挑战。在这项工作中，我们开发了一个由高通量计算和机器学习提供支持的框架，用于设计和预测混合阳离子卤化物钙钛矿合金。在ABX $_{3}$钙钛矿的化学空间中，选择一组A、B和X原子的选项，使用密度泛函理论（DFT）模拟具有B位混合的化合物的伪立方结构，并使用半局域和混合泛函计算若干性质，包括稳定性、晶格常数、带隙、空位形成能、折射率和光学吸收光谱。神经网络（NN）被用来训练预测模型的每一个属性使用列表元素属性的A，B，和X网站原子作为描述符。从229个点的DFT数据集开始，我们使用训练好的NN模型预测17，955种化合物的完整数据集的结构，能量，电子和光学性质，并在稳定性，带隙和缺陷容限方面进行高通量筛选，获得574种有希望的化合物，根据其光伏品质因数将其列为潜在的吸收剂。揭示了筛选出的一组有吸引力的混合阳离子卤化物钙钛矿的组成趋势，并对选定的化合物进行了额外的计算。这里开发的数据驱动设计框架很有希望用于设计新型混合组合物，并且可以扩展到A，B和X原子，A，B或X位点的不同类型混合，非立方相和其他感兴趣的特性方面的更广泛的钙钛矿化学空间。
2021-09-22 cond-mat.mtrl-sci
