高熵合金 (HEAs) 机器学习实验项目

本项目致力于探索先进人工智能算法在多主元高熵合金新材料研发中的前沿应用。通过对材料成分配比、微观结构特征与宏观物理/热力学属性的深层映射关系进行建模，我们期望构建一个具备高泛化能力的辅助计算工具。借此降低新材料研发试错成本，为未知的超高性能合金设计提供数据驱动的科学参考。

感谢来自共享材料科学数据库的驰援

数据驱动的科研探索始终离不开巨人的肩膀。在本项目中，高维特征工程的构建及算法模型的训练，深度植根于全球材料科学界所秉持的互助精神。在此，我们满怀敬意，诚挚感谢以下国际权威开源科学数据库的支持。

由美国劳伦斯伯克利国家实验室（LBNL）创立的 Materials Project，作为材料科学领域最著名的数据库之一，为我们提供了大量的多组元合金、高熵合金的晶体学数据、热力学数据、电磁学数据、力学数据等。

由美国国家标准与技术研究院（NIST）创立的 JARVIS 框架。该平台开放的大规模高精度力学与弹性张量 DFT 计算数据，为探索高熵合金的本征力学性能构建了极为重要的高维特征空间与基准验证参考。

由日本国立材料研究所（NIMS）统筹的数据集成平台。平台收录的多元复杂系统在物理实验下的真实物性数据，弥合了理论计算与工程实际的鸿沟，为机器学习在真实工况下的泛化提供了无可替代的实测级支撑。