使用数据分析和电子显微镜发现材料的新方法已经发现了一类新的极硬合金。这种材料可能承受子弹的严重冲击，从而为士兵提供更好的战斗保护。理海大学的研究人员在今天出现在Nature Communications上的一篇文章“用于筛选多主元素和高熵合金的材料信息学”中描述了这种方法和发现。

“我们使用材料信息学——将数据科学方法应用于材料问题——来预测一类具有优异机械性能的材料，”主要作者Jeffrey M. Rickman说，他是理海大学材料科学与工程和物理学教授。

研究人员还使用电子显微镜等实验工具，深入了解导致高熵合金（HEAs）的材料类中观察到的现象的物理机制。高熵合金含有许多不同的元素，当它们组合时，可能导致系统具有有益且有时出乎意料的热和机械性能。因此，它们目前是激烈研究的主题。

“我们认为我们开发的技术将有助于识别有前景的HEA，”Rickman说。“但是，我们发现合金的硬度值超过了我们最初的预期。它们的硬度值比其他更典型的高熵合金和其他相对硬的二元合金高出约2倍。”

所有七位作者都来自理海大学，包括里克曼; Helen M. Chan，新泽西州锌材料科学与工程教授; 美国铝业基础材料科学与工程教授Martin P. Harmer; Joshua Smeltzer，材料科学与工程专业的研究生; Christopher Marvel，材料科学与工程博士后研究员; Ankit Roy，机械工程和机械专业的研究生; Ganesh Balasubramanian，机械工程和力学助理教授。

高熵合金的兴起与数据分析

最近，高熵或多主元素合金领域出现了指数增长。这些系统代表了合金开发的范式转变，因为一些系统表现出相对于传统合金的新结构和优异的机械性能，以及增强的抗氧化性和磁性。然而，鉴于可能存在的各种可能元素和组合，确定有前景的HEA已经提出了一项艰巨的挑战。

研究人员已经寻找一种方法来确定导致高强度，高硬度合金和其他所需品质的元素组合和成分，这些品质是可能产生的大量潜在HSA的相对较小的子集。

近年来，材料信息学，数据科学在材料科学与工程中的应用，已成为材料发现和设计的有力工具。相对较新的领域已经对各种材料系统的数据解释产生了重大影响，包括用于热电材料，铁电体，电池阳极和阴极，储氢材料和聚合物电介质的材料。

“特别是在材料科学中创建大型数据集，正在该领域的研究方式，提供识别复杂关系的机会，并提取能够实现新发现和催化材料设计的信息，”Rickman说。数据科学的工具，包括多变量统计，机器学习，降维和数据可视化，已经导致了结构——性质——加工关系的识别，有希望在合金的筛选以及微观结构与加工参数的相关性。

理海大学的研究通过证明这套工具对于从众多可能性中识别有前途的材料非常有用，从而为材料信息学领域做出了贡献。“这些工具可以在各种环境中使用，以缩小大型实验参数空间，从而加速寻找新材料，”Rickman说。

理海大学的研究人员将两种互补工具结合起来，采用监督学习策略，有效筛选高熵合金，并确定有前途的HEAs：（1）典型相关分析（2）用典型相关分析启发的适应度函数的遗传算法。

他们使用存在机械性能信息的数据库实施此程序，并突出显示具有高硬度的新合金。通过比较预测的硬度与在实验室中使用电弧熔炼制造的合金，识别具有非常高的测量硬度的合金来验证该方法。

“这里采用的方法涉及适用于高熵合金问题的现有方法的新颖组合”里克曼说。“此外，这些方法可以应用于发现具有其他所需特性的合金。我们相信，我们的方法依赖于数据科学和实验表征，有可能改变研究人员发现这种系统的方式。”

该研究得到了美国海军研究办公室的资助，得到了理海大学纳米/人机界面倡议的支持。 

一组高熵（HE）合金的标准化度量和属性数据。合金的相行为总结在可变单相（SP）（非标准化）中，SP = 1表示合金包含单一固溶体（fcc或bcc），否则SP = 0。固溶合金以蓝色显示，其余合金具有中间相等，以红色显示。 

相关分析：对于每种合金（蓝色圆圈）和相应的回归线（实心蓝色），规范变量V^（1）与规范变量W ^（1）?=（H '-< H '>）/σ。维克的硬度为H和σ表示标准化硬度的标准偏差。虚线界定阴影90％（单个观察）预测带。还显示了7种制造合金的测量（标准化）微硬度（5个橙色方块，2种合金的硬度超过1000硬度值（HV），黄色。）误差棒是从大约20个单独的硬度测量值估算的每个样本。使用合成合金的数据获得的估计的标准误差约为259.2HV