Прогнозирование пластичности высокоэнтропийных сплавов

Авторы

  • Ольга Геннадьевна Климова – Корсмик Санкт-Петербургский государственный морской технический университет http://orcid.org/0000-0002-2619-8874
  • Денис Николаевич Клименко Белгородский государственный национальный исследовательский университет http://orcid.org/0000-0003-0037-8161
  • Михаил Викторович Вережак Белгородский государственный национальный исследовательский университет http://orcid.org/0000-0003-2278-9439
  • Сергей Валерьевич Жеребцов Белгородский государственный национальный исследовательский университет http://orcid.org/0000-0002-1663-429X

DOI:

https://doi.org/10.52575/2687-0959-2022-54-4-271-276

Ключевые слова:

машинное обучение, высокоэнтропийные сплавы, пластичность, сжатие

Аннотация

На базе данных из 153 сплавов с использованием подходов машинного обучения была обучена суррогатная модель для прогнозирования деформации до разрушения на сжатия высокоэнтропийных сплавов. В рамках работы оценивалась точность влияния архитектуры полносвязной искусственной нейронной сети (количество скрытых слоев и количество нейронов в скрытых слоях) на точность прогнозирования. Было показано, что с увеличением количества скрытых слоев абсолютная погрешность снижается – от 5,4% для односвязной нейронной сети до 4,8 % для двухслойной и 4,7% для трехслойной нейронной сети.

 

Благодарности
Исследования выполнены при финансовой поддержке Министерства науки и высшего образования Российской Федерации в рамках соглашения от «24» июня 2021г.№075-11-2021-046 (ИГК 000000S407521QLP0002) с АО «ОЭЗ «ВладМиВа»» по комплексному проекту «Организация высокотехнологичного производства экспортноориентируемых медицинских изделий на основе инновационных конструкционных материалов с целью импортозамещения на базе разработанных технологий» при участии НИУ «БелГУ» в части выполнения научно-исследовательских, опытно-конструкторских и технологических работ с использованием оборудования Центра коллективного пользования "Технологии и Материалы НИУ "БелГУ". Работа частично выполнена (машинное время) при поддержке проекта Российского фонда фундаментальных исследований № 20-53-56063.

Скачивания

Данные скачивания пока недоступны.

Биографии авторов

Ольга Геннадьевна Климова – Корсмик, Санкт-Петербургский государственный морской технический университет

начальник отдела исследований материалов, Институт лазерных и сварочных технологий, Санкт-Петербургский государственный морской технический университет (ИЛИСТ СПбГМТУ),
пр. Маршала Жукова, 38-а, Санкт-Петербург, 198262, Россия

Денис Николаевич Клименко, Белгородский государственный национальный исследовательский университет

научный сотрудник лаборатории объёмных наноструктурных материалов, Белгородский государственный национальный исследовательский университет,
ул. Победы, 85, г. Белгород, 308015, Россия

Михаил Викторович Вережак, Белгородский государственный национальный исследовательский университет

магистрант института инженерных и цифровых технологий, Белгородский государственный национальный исследовательский университет,
ул. Победы, 85, г. Белгород, 308015, Россия

Сергей Валерьевич Жеребцов, Белгородский государственный национальный исследовательский университет

доктор технических наук, ведущий научный сотрудник лаборатории объёмных наноструктурных материалов, Белгородский государственный национальный исследовательский университет,
ул. Победы, 85, г. Белгород, 308015, Россия

Библиографические ссылки

Cantor B. et al. 2004. Microstructural development in equiatomic multicomponent alloys, Materials Science and Engineering: A., 375: 213–218.

Chuang M. H. et al. 2011. Microstructure and wear behavior of AlxCo1. 5CrFeNi1. 5Tiy, high entropy alloys //ActaMaterialia, 59(16): 6308–6317.

Gao Q. Zhang. 2008. Ultraviolet-B-induced oxidative stress and antioxidant defense system responses in ascorbate-deficient vtc1 mutants of Arabidopsis thaliana. J Plant Physiol, 165(2): 138–48.

Gludovatz B. et al. 2014. A fracture-resistant high-entropy alloy for cryogenic applications //Science, 345(6201): 1153–1158.

Gorr B. et al. 2015. Phase equilibria, microstructure, and high temperature oxidation resistance of novel refractory high-entropy alloys. Journal of Alloys and Compounds, 624: 270–278.

Guo S. 2015. Phase selection rules for cast high entropy alloys: an overview. Materials Science and Technology, 31(10): 1223–1230.

Huang W., Martin P., Zhuang H. L. 2019. Machine-learning phase prediction of high-entropy alloys. Acta Materialia, 169: 225–236.

Jiang C., Uberuaga B. P. 2016. Efficient ab initio modeling of random multicomponent alloys. Physical review letters, 116(10): 105501.

Lederer Y. et al. 2018. The search for high entropy alloys: a high-throughput ab-initio approach. Acta Materialia, 159: 364–383.

Mishra B. et al. 2013. Experimental studies on the effect of size and shape of holes on damage and microstructure of high hardness armour steel plates under ballistic impact. Materials & Design, 43: 17–24.

Ramprasad R. et al. 2017. Machine learning in materials informatics: recent applications and prospects. npj Computational Materials 3.

SenkovO. N. et al. 2015.Accelerated exploration of multi-principal element alloys for structural applications. Calphad, 50: 32–48.

Sheng G. U. O., Liu C. T. 2011. Phase stability in high entropy alloys: Formation of solid-solution phase or amorphous phase. Progress in Natural Science: Materials International, 21(6): 433–446.

Steurer W. 2020. Single-phase high-entropy alloys–A critical update. Materials Characterization, 162: 110179.

Toda-Caraballo I., Rivera-D?az-del-Castillo P. E. J. 2015. Modelling solid solution hardening in high entropy alloys. Acta Materialia, 85: 14–23.

Tsai M. H., Yeh J.W. 2014. High-entropy alloys: a critical review. Materials Research Letters. 2(3): 107–123.

Wen C. et al. 2019. Machine learning assisted design of high entropy alloys with desired property. Acta Materialia, 170: 109–117.

Yang X., Zhang Y. 2012. Prediction of high-entropy stabilized solid-solution in multi-component alloys. Materials Chemistry and Physics, 132(2-3): 233–238.

Yeh J. W. et al. 2004. Nanostructured high-entropy alloys with multiple principal elements: novel alloy design concepts and outcomes. Advanced engineering materials, 6(5): 299–303.

Zhang Y. et al. 2020. Phase prediction in high entropy alloys with a rational selection of materials descriptors and machine learning models. Acta Materialia, 185: 528–539.


Просмотров аннотации: 22

Поделиться

Опубликован

2022-12-30

Как цитировать

Климова – Корсмик, О. Г., Клименко, Д. Н., Вережак, М. В., & Жеребцов, С. В. (2022). Прогнозирование пластичности высокоэнтропийных сплавов. Прикладная математика & Физика, 54(4), 271-276. https://doi.org/10.52575/2687-0959-2022-54-4-271-276

Выпуск

Раздел

Физика. Математическое моделирование

Наиболее читаемые статьи этого автора (авторов)