机器学习在高熵合金中的应用：近期在设计、发现及表征方面的进展综述

本文综述了机器学习在高熵合金（HEAs）设计、发现和表征中的应用进展。背景方面，高熵合金因其卓越性能备受关注，但庞大成分空间和复杂原子相互作用给传统试错方法带来挑战。研究目的旨在利用机器学习算法（如神经网络、随机森林等）从材料数据库中学习复杂模式，实现成分优化、性能预测和相鉴定。结论指出机器学习已显著推动高熵合金研究，但仍需提高模型准确性、可解释性和泛化能力，未来通过改进数据方法和模型架构，有望成为材料科学的变革工具。