主动学习辅助发现低热膨胀、高居里温度和优异相稳定性的多组份因瓦合金材料

《Advanced Materials》：Discovery of Multicomponent Invar Materials With Low Thermal Expansion, High Curie Temperature, and Superior Phase Stability Assisted by Active Learning

　　

摘要

零热膨胀（ZTE）材料在温度波动下具有卓越的尺寸稳定性，使其在精密仪器和极端环境中不可或缺。然而，这类材料的天然稀缺性，加上多组分系统庞大的组分空间，使传统的试错法既耗时又成本高昂，对现代高科技应用构成了亟待解决的挑战。本文建立了一种基于经验微调的任务专属主动学习框架，以加速ZTE材料的设计。通过挖掘稀疏的实验数据集，我们确定了具有高潜力的组分区域，并发现了多种新型低膨胀合金。其中，Cr?.?Co?.?Ni??.?Fe??展现出低至1.9±0.3×10?? K?1的热膨胀系数，以及高达580 K的居里温度。实时原位中子和同步辐射X射线衍射证实其为单相面心立方结构，具有优异的延展性和对热、机械刺激的强相稳定性。关键的是，机器学习分析锁定了六个与低膨胀性能高度相关的关键描述符，为理解该行为的磁体积起源提供了数据驱动的见解。本工作不仅获得了一种高性能的尺寸稳定合金，还展示了如何将物理洞察与数据驱动设计相结合以加速先进材料开发。

利益冲突声明

作者声明无利益冲突。

数据可用性声明

支持本研究结果的数据可向通讯作者合理索取。