Key points are not available for this paper at this time.
合金是人类社会进步的基石，从青铜时代到现代可持续技术。然而，它们的原子级行为仍然不够理解，妨碍了针对性的优化。因此，急需可靠高效的材料设计工具以加速合金开发。为满足这一需求，我们开发了一个跨越53种金属元素的特定领域机器学习势（MLP）模型，具有平衡的准确性和效率。该模型达到DFT级别的精度：能量平均绝对误差（MAE）= 12 meV/atom，力MAE = 144 meV/Å，准确预测晶格参数、弹性常数和状态方程。我们通过四个合金系统进一步验证了其多功能性：（1）Ti-Nb正交相中的负热膨胀，（2）Co 25 Ni 25 (TiZrHf) 50 金属间化合物中的Elinvar效应，（3）NbTaMoW多主元素合金中的晶 grain 边界偏析和高温变形，以及（4）Al-Cu基合金中的沉淀路径和θ′/Al界面偏析。该模型提供了一个原子级仿真的基础工具，推进材料研究并加速合金设计.
Li等人（周五）研究了这个问题。