Npj Comput. Mater.: 生成式机器学习：设计复杂成分的共晶合金

本文介绍了使用生成式机器学习方法设计复杂成分的共晶合金的研究。共晶合金因其优异的机械性能和流动性在学术和工业领域具有重要价值。随着高熵合金等复杂成分合金的发展，传统的基于二元或三元合金相图的方法已不再适用。香港城市大学的杨勇教授团队开发了一种结合条件变分自编码器和人工神经网络的机器学习框架，能够自动生成复杂成分的共晶合金。该框架通过主成分分析和K均值聚类算法解决了数据不平衡问题，成功在不同合金体系中发现了从四元至六元的共晶合金，显著加快了共晶合金的发现和设计过程。