物理信息机器学习预测难熔高熵合金八项力学性能 加速高温材料设计
研究人员开发物理信息机器学习框架,结合分位数梯度提升与Born稳定性约束,预测难熔复杂成分合金(CCA)的八项力学性能(体模量、剪切模量、硬度、弹性常数等),使用393个DFT数据点训练,为约10^15种可能组合的实验探索提供筛选工具。
力学性能
共 2 篇 · B910化工 · AI 化学信息库
研究发现微量 Yb 掺杂使 Ge 负极循环寿命提升约3倍，提出"机械软化"新设计原则
研究人员系统研究了微量金属元素掺杂对Ge负极循环稳定性的影响，发现大原子半径元素（尤其是Yb）可显著延长循环寿命约3倍，且不牺牲初始容量。机制分析表明，Yb掺杂通过降低Ge薄膜硬度抑制了锂化引起的裂纹和剥落，将高容量合金负极的设计思路从"抑制体积变化"转向"机械顺应性"。