今日动态 返回首页
会员注册 登录 生物通快讯免费订阅
  • 首页 今日动态 人才市场 新技术专栏 中国科学人 云展台
    BioHot
    • 定制我的BioHot
    • 进入我的BioHot
    • 进入我的集采
    • 肿瘤癌症研究
    • 免疫/基因/细胞疗法
    • 神经生物学
    • 健康与疾病
    • 衰老机制与长寿
    • 单细胞技术
    • 基因编辑-CRISPR
    • RNA研究
    • 肠道菌与人体微生态
    • 细胞代谢
    • AI生物信息学
    • COVID
    云讲堂直播 会展中心 特价专栏 技术快讯 免费试用

  • 生物通官微
    陪你抓住生命科技
    跳动的脉搏

生物通首页  >  今日动态  >  正文

基于密度泛函理论的机器学习用于磁致冷高熵合金的理性设计

《Nature Communications》:DFT-based machine-learning for the rational design of magnetocaloric high-entropy alloys

【字体: 大 中 小 】 时间:2026年08月27日 来源:Nature Communications 18.1

编辑推荐:

   摘要高熵合金(HEA)广阔的成分空间为下一代功能材料带来了希望,但其探索受到组合瓶颈的阻碍:对于复杂无序晶格,传统的第一性原理精度计算难以承受,而黑箱机器学习(ML)缺乏物理可解释性。我们通过建立最小超胞原理来克服这一问题,表明磁结构行为是局部原子环境的涌现特性,而非长程构型

  

摘要

高熵合金(HEA)广阔的成分空间为下一代功能材料带来了希望,但其探索受到组合瓶颈的阻碍:对于复杂无序晶格,传统的第一性原理精度计算难以承受,而黑箱机器学习(ML)缺乏物理可解释性。我们通过建立最小超胞原理来克服这一问题,表明磁结构行为是局部原子环境的涌现特性,而非长程构型的特性。这使得一个物理信息机器学习框架成为可能,该框架逆转了传统的筛选方法,从有限的局部识别转变为全局设计空间映射,在不牺牲精度的情况下将计算时间减少了 40 – 60%。将该框架应用于 MM'X 族,揭示了一个基本的设计二元性:平均电子描述符控制基线相稳定性,而色散描述符,特别是磁矩色散,驱动临界转变响应。这一分析揭示了一种内在的稳定性与性能之间的权衡,即为了最大化转变驱动力所需的无序性,不可避免地会损害热力学稳定性。通过量化这一帕累托前沿,我们提出了一种分层调节策略,实现了相变温度与滞后性的解耦,提供了一个可扩展的范式,将 HEA 探索从偶然发现转变为理性设计。

相关新闻
生物通微信公众号
生物通新浪微博
微信
新浪微博
我要投稿
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热搜:高熵合金|机器学习|物理信息|材料设计|相稳定性|磁结构

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号