近日，我院任景莉教授团队在基于数据驱动的材料数学研究方面取得系列进展，相关成果分别发表在材料设计重要期刊《Materials & Design》和断裂力学重要期刊《Engineering Fracture Mechanics》上。博士生朱云龙、肖璐为第一作者，任景莉教授为通讯作者，郑州大学为第一作者单位。

“Multi-component thin films and coatings”（《Materials & Design》）一文从目前所研究的多组分薄膜和涂层出发，通过关键词搜索、数据提取和统计分析对多组分薄膜和涂层的结构、性能以及实验设计进行全面比较分析和数据归纳。共检索了超过30000篇相关文献，发现目前已有超过600余种多组分薄膜和涂层，涉及73种元素。多组分薄膜和涂层研究焦点为低元体系的生物、化学性能和高元的力学、物理性能。此外发现预测高熵合金相结构的经典理论在多组分薄膜和涂层中存在限制。并从制备工艺、原子成分、实验测试、微观结构和宏观性能构造了有关多组分薄膜和涂层较为完备的数据集。

“Fatigue life prediction of the FCC-based multi-principal element alloys via domain knowledge-based machine learning”（《Engineering Fracture Mechanics》）一文从经验公式中提取特征，构建机器学习模型来预测FCC多组元合金的疲劳寿命。基于XGBoost和GBDT构建的投票模型在预测多组元合金的疲劳寿命上具有优异的性能和良好的泛化能力。并发现对于所探索的合金，如果它们的屈服强度小于720MPa，通过提高强度来提高疲劳寿命是一个较好的选择，否则通过提高延展性来提高疲劳寿命。该研究提供了一种快速且低成本的方法来预测FCC多主元合金的疲劳寿命，为设计具有优异疲劳性能的合金提供参考。

这些工作得到国家自然科学基金（U23A2065、52071298）等项目的支持。

引用格式：ZhuYL, Cui JZ,Guo XX, and Ren JL. Multi-component thin films and coatings. Materials & Design, 238:112664, 2024.

全文链接：https://doi.org/10.1016/j.matdes.2024.112664

引用格式：Xiao L, Wang G, Long WM, Liaw PK, Ren JL. Fatigue life prediction of the FCC-based multi-principal element alloys via domain knowledge-based machine learning. EngFract Mech 2024; 296:109860

全文链接：https://doi.org/10.1016/j.engfracmech.2024.109860