南京理工大学：机器学习驱动的高熵合金微观结构与性能研究进展

本文综述了机器学习在高熵合金（HEAs）微观结构与性能研究中的应用。高熵合金因其独特的结构和优异的性能在材料领域备受关注，但其多组分特性对传统计算方法构成挑战。机器学习通过数据收集、特征工程、建模算法等流程，高效预测了HEAs的相结构、硬度、强度、热力学性能和催化性能。尽管机器学习在HEAs研究中展现出巨大潜力，但仍面临数据稀缺、高维特征空间、物理机制复杂等挑战。未来可通过结合高通量实验、主动学习算法和多学科协作来推动该领域的发展。