Modelo de aprendizaje automático para predecir las formaciones de fases de aleaciones de alta entropía

Las formaciones de fases de aleaciones de alta entropía (HEAs) son esenciales para sus propiedades, pero la predicción eficiente de estas sigue siendo un desafío. En este trabajo, proponemos un modelo de máquina de vectores de soporte que es capaz de distinguir las fases HEA estables cúbicas centradas en el cuerpo (BCC), cúbicas centradas en la cara (FCC) y las restantes fases de las 322 muestras fundidas con una precisión de validación cruzada superior al 90% después del entrenamiento y la prueba. Con el modelo, predijimos 369 HEAs equiatómicas FCC y 267 BCC a partir del espacio de composición de 16 elementos metálicos, un orden mayor que el número de datos experimentales disponibles. Además, decenas de HEAs refractarios con altas proporciones de temperatura de fusión a densidad han sido seleccionados. Once de ellos coinciden con experimentos recientes y los 20 de cinco componentes con las altas temperaturas de fusión son validados a través de cálculos de primeros principios. El modelo propuesto es complementario al cálculo de diagramas de fase y métodos ab initio y podría servir como una guía efectiva para diseñar nuevas HEAs.