利用预测集成机器学习变革高熵合金设计：精确显微硬度估计与可解释性框架

《Materials Today Communications》：Transforming High Entropy Alloy Designing with Predictive Ensemble Machine Learning: A Framework for Accurate Micro-Hardness Estimation and Interpretability

　　

高熵合金（HEAs）的巨大成分空间使传统合金设计方法变得缓慢、昂贵且高度依赖试错实验，这凸显了对准确且可解释的数据驱动预测框架的需求。本研究开发了一个综合机器学习框架用于预测HEAs的显微硬度。研究人员收集了一个来源于文献的数据集，包含跨越二十余年的约1,900个实验报告硬度值。为构建物理信息特征空间，研究人员使用高熵合金预测软件（High Entropy Alloy Predicting Software, HEAPs）生成了热力学、结构及半经验描述符，同时采用主成分分析（principal component analysis, PCA）降低特征维度并提升模型鲁棒性。研究人员系统评估了多种最先进的机器学习算法，其中XGBoost取得了最高的预测精度（平均绝对误差MAE=18.33，决定系数R²=0.94）。尽管XGBoost在测试集上表现最佳，但所提出的集成框架在重复10折交叉验证下展现出更强的泛化能力（R²=0.85），证明其在不同HEA成分下均能提供可靠的硬度预测。使用新合成合金进行的实验验证表明，预测硬度值与实测硬度值高度一致，证实了所提出框架的实际适用性。此外，SHAP（SHapley Additive exPlanations）和部分依赖图（partial dependence plot, PDP）分析识别了控制硬度的关键热力学与电子描述符，为HEAs的成分-性能关系提供了有价值的物理见解。该框架将大规模实验数据、物理信息描述符、可解释机器学习及实验验证整合为一个统一工作流，为加速下一代高性能高熵合金的设计与优化提供了可靠策略。

# 高熵合金硬度预测的集成机器学习框架：论文解读

## 研究背景与科学问题

高熵合金（high-entropy alloys, HEAs）由多种主要元素以近等原子比组成，凭借其高强度、高硬度、优异的延展性、耐磨性及热稳定性，成为先进工程应用中极具前景的材料体系。然而，HEAs的组成空间极其庞大，传统合金设计高度依赖经验知识与反复试错实验，导致新材料研发周期长、成本高昂。近年来，机器学习（machine learning, ML）作为数据驱动方法，在加速合金发现与性能预测方面展现出巨大潜力。已有研究虽在HEAs硬度预测方面取得了进展，但多数模型基于相对较小的数据集或特定成分体系，例如部分难熔HEAs研究虽报告了优异的预测精度（R²=0.98），却仅使用了86种合金成分，限制了其向更广泛HEA成分空间的推广。此外，现有研究往往只关注单一机器学习算法，缺乏多模型系统比较与集成学习策略，也很少将物理信息描述符、可解释人工智能（explainable artificial intelligence, XAI）与实验验证整合于统一框架中。因此，亟需一种基于大规模、多样化HEA数据集，兼具准确性、可解释性且经实验验证的稳健预测框架。该论文发表于《Materials Today Communications》。

## 研究内容与总体结论

针对上述挑战，研究人员开发了一个综合且可解释的集成机器学习框架用于HEAs硬度预测。研究人员从文献中收集了跨越二十余年的约1,900条实验硬度数据，经删除缺失值和重复项后获得超过1,850条硬度记录，覆盖29种元素和多种合金体系。利用高熵合金预测软件（High Entropy Alloy Predicting Software, HEAPs）系统计算热力学与半经验描述符，以构建物理信息特征空间。研究人员系统评估了多种最先进的机器学习算法，并集成至统一框架中以提高预测精度与泛化能力。结果表明，XGBoost在独立测试集上取得最高预测精度（R²=0.94），而所提出的集成框架在重复10折交叉验证下展现出稳健的泛化能力（R²=0.85）。SHAP与部分依赖图（PDP）分析揭示了控制硬度的关键描述符，通过真空电弧熔炼合成新合金进行实验验证，预测与实测硬度高度吻合，证实了框架的实用性。该研究建立了准确、可解释且经实验验证的HEAs硬度预测体系，为加速高性能高熵合金的设计与优化提供了可靠策略。

## 关键技术方法概述

研究人员通过文献调研建立了约1,900条实验硬度数据集，样本来源为已发表研究论文；利用HEAPs软件生成包含原子尺寸错配（δr）、混合焓（ΔH^m）、混合熵（ΔS^m）、价电子浓度（VEC）等在内的物理信息描述符；采用多种特征选择方法（遗传选择、单变量线性回归、互信息、递归特征消除）识别关键描述符，并引入主成分分析（PCA）降维；训练了决策树（DT）、随机森林（RF）、梯度提升回归（GBR）、XGBoost、LightGBM、CatBoost等模型，并通过装袋、投票、堆叠等集成学习策略提升泛化性；利用SHAP与PDP分析实现模型可解释性；最终采用真空电弧熔炼合成五种新合金，通过维氏硬度测试完成实验验证。

## 研究结果

### 3.1 模型预测性能洞察

研究人员将数据集按80%训练、20%测试划分，在独立测试集上评估各模型。XGBoost回归取得最高预测精度（R²=0.94），其梯度提升框架通过逐序校正前序树的预测误差，有效捕捉了高维HEA数据中复杂的非线性关系与特征交互。随机森林回归与梯度提升回归同样表现优异，R²分别达到0.93和0.88。重复10折交叉验证进一步确认了集成方法在建模复杂成分-热力学关系方面的高效性。

### 3.2 超参数调优与交叉验证

采用GridSearchCV结合5折交叉验证进行超参数优化。决策树最优参数为max_depth=None（R²=0.96），随机森林最优为max_depth=None、n_estimators=200（R²=0.94），梯度提升最优为max_depth=5、n_estimators=200（R²=0.96），XGBoost最优为max_depth=5、n_estimators=200（R²=0.94），LightGBM与CatBoost最优max_depth均为7且n_estimators=200（R²分别为0.93和0.94）。集成模型采用Voting与Stacking策略，并通过重复10折交叉验证评估泛化能力。

### 3.3 不同特征选择技术的性能分析

研究人员系统比较了遗传选择特征（GSF）、单变量线性回归检验（ULRT）、互信息选择（MIS）和递归特征消除（RFE）四种方法。MIS与F-回归结合的线性模型性能中等，表明描述符与硬度间关系主要为非线性。基于树的模型在所有特征选择方法下均优于线性模型。混合焓（ΔH^m）、混合自由能（ΔG^m）、价电子浓度（VEC）、原子半径错配（δr）和过量熵项（S^xs）等热力学与电子参数在多种方法中被一致识别为重要描述符，表明其在控制HEAs硬度中的核心作用。

### 4. 集成模型对预测性能的影响

集成回归技术显著提升了模型性能。Bagging、Voting和Stacking等方法均优于单一回归模型。其中，Stacking通过整合RF、XGBoost、LightGBM、CatBoost、DT、Bagging和Bayesian Ridge等多种基础模型，以线性回归作为元学习器，取得了最佳整体性能。在重复10折交叉验证下，集成框架的平均R²为0.85。该值略低于单一XGBoost模型的0.94，但反映了模型对未见HEA成分更稳健、更真实的泛化表现，而非预测能力下降。

### 5. 可解释机器学习

研究人员采用基于随机森林回归模型的SHAP分析，量化各描述符对预测硬度的贡献。SHAP结果显示，较低的价电子浓度（VEC）和较高的吉布斯自由能差（ΔG）与较高硬度相关，混合熵（ΔS^m）同样显著影响相稳定性与硬度。该结果与Hume-Rothery准则一致：低VEC合金倾向形成BCC或BCC主导相，其位错运动阻力大于FCC相，因此硬度更高。原子尺寸差（δr）增大引起严重局部晶格畸变，产生局部应变场阻碍位错运动，促进固溶强化。电负性差（Δχ）通过增强原子间电荷转移和键合强度提高硬度，但过大的电负性差可能诱发脆性金属间化合物。

### 6. SHAP值与PDP的定性分析

SHAP与PDP分析进一步揭示了描述符间的交互效应。VEC低于约6.87时合金倾向形成BCC相，高于8.0时倾向FCC相，中间范围（6.87-8.0）为FCC-BCC混合相。PDP显示，混合熵（ΔS_m）与混合焓（ΔH_m）的联合效应呈强非线性响应面：中等负值的ΔH_m与较高ΔS_m区域对应更高硬度，表明最大构型无序与热力学稳定的平衡可抑制脆性相形成。原子尺寸差（δr）与VEC的交互响应面表明，高δr配合低VEC可获得最高硬度，电子结构与原子尺寸失配需协同优化。

### 7. 实验验证与预测模型分析

研究人员采用真空电弧熔炼（VAM）方法合成了五种目标成分的HEAs，通过维氏硬度测试获得实测值并与模型预测值对比。实验验证中CatBoost取得最高R²=0.96，随机森林与XGBoost均为0.93，LightGBM为0.86，梯度提升为0.81，决策树为0.71。预测与实测硬度的高度吻合验证了所选描述符与特征选择策略在捕捉关键物理因素方面的有效性，证实了框架的可靠性与实用价值，表明其可显著减少HEA设计优化所需的时间与实验工作量。

## 讨论与结论总结

研究讨论指出，基于树的集成模型在捕捉描述符间的非线性交互方面具有本质优势，而可解释性分析（SHAP与PDP）将模型预测与经典合金设计理论（如Hume-Rothery准则）联系起来，为理解成分-硬度关系提供了物理依据。研究结论指出：本研究利用超过1,850条实验硬度数据，开发了可解释的集成机器学习框架用于HEAs硬度预测；XGBoost在测试集上取得最佳性能（R²=0.94），集成框架通过重复10折交叉验证展现出稳健泛化能力（R²=0.85）；SHAP与PDP分析识别了控制硬度的关键描述符；新合成HEAs的实验验证进一步确认了预测准确性与实际适用性。尽管因文献中加工历史参数报告不一致而未能纳入模型，但纳入此类参数代表了未来工作的重要方向。总体而言，该框架整合了大规模实验数据、物理信息描述符、集成学习、可解释AI及实验验证，为数据驱动的HEA设计与优化提供了实用且可靠的策略。