买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉西北工业大学申请的专利基于机器学习面向低层错能高熵合金的成分设计方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120015158B 。

龙图腾网通过国家知识产权局官网在2025-12-05发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510128882.8，技术领域涉及：G16C20/20；该发明授权基于机器学习面向低层错能高熵合金的成分设计方法是由贺一轩;聂帅;刘浩翔;刘栩东设计研发完成，并于2025-02-05向国家知识产权局提交的专利申请。

本基于机器学习面向低层错能高熵合金的成分设计方法在说明书摘要公布了：本发明提供了一种基于机器学习面向低层错能高熵合金的成分设计方法，该方法通过文献调研建立高熵合金成分‑层错能数据集，并建立物理和热力学的特征描述符；对特征描述符进行皮尔逊相关性分析和特征重要性分析，筛选出对合金层错能影响排名前列的关键特征；然后利用前向选择策略筛选出模型的最佳特征集，并筛选出具有最优性能的前三种机器学习模型，然后确定用以构建集成算法框架的机器学习模型；根据合金的成分范围确定候选合金的成分空间，最终筛选出用于集成算法框架预测的候选合金成分，利用集成算法框架对候选合金成分进行预测，筛选出具有低层错能的高熵合金成分。本发明显著提高了低层错能高熵合金的设计准确性和效率。

本发明授权基于机器学习面向低层错能高熵合金的成分设计方法在权利要求书中公布了：1.一种基于机器学习面向低层错能高熵合金的成分设计方法，其特征在于，包括如下步骤： 步骤1：收集层错能模拟数据，建立合金成分-层错能的模拟数据集，根据所述合金成分计算得到对应的物理和热力学特征参数，并对所述模拟数据集中的合金成分分布进行分析； 步骤2：通过皮尔逊相关性系数分析两两所述特征参数之间的相关性，剔除相关性系数大的特征参数，随后利用随机森林特征重要性分析方法，筛选出影响层错能的关键特征参数；所述关键特征参数包括：比热、鲍林电负性方差、第一性计算的晶格稳定性、弹性常数、相图计算得到的晶格稳定性的方差、相图计算得到的晶格稳定性、弹性常数、电离能、原子量、艾伦电负性方差、鲍林电负性； 步骤3：将所述合金成分和所述关键特征参数作为机器学习模型的输入，以层错能作为机器学习模型的输出，对所述关键特征参数采用前向选择策略，筛选出不同机器学习模型的最佳特征集，从而得到多种高精度机器学习模型；其中，所述机器学习模型包括：多层感知器回归、支持向量机回归模型、极限梯度提升回归模型、梯度提升回归模型及随机森林回归模型；所述最佳特征集包括：多层感知器回归模型6个特征、支持向量机回归模型8个特征、极限梯度提升回归模型9个特征、梯度提升回归模型11个特征、随机森林回归模型4个特征； 步骤4：对所获得的多种高精度机器学习模型，筛选出性能排名靠前的模型，采纳并联预测的思路，构建出用于后续预测的集成算法预测框架；其中，所筛选出的性能排名靠前的模型具体为：多层感知器回归模型、支持向量机回归模型以及极限梯度提升回归模型； 步骤5：根据步骤1得到的合金成分的分布情况，确定候选合金的初步成分空间，形成候选合金成分数据集，然后利用所述集成算法预测框架对所述候选合金成分数据集进行层错能的预测，根据合金成分的得分进行排名，最终筛选出低层错能的候选合金成分；其中，所述集成算法框架对步骤4筛选出的性能排名靠前的模型的层错能预测值进行加权平均值和标准差的计算，进而利用平衡模型稳定性和不确定性的策略计算出候选合金成分的得分，最终筛选出低层错能、优异强塑性的高熵合金成分。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人西北工业大学，其通讯地址为：710072 陕西省西安市友谊西路127号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。