符号回归外推框架(SREF)：突破多组分合金性能与组分设计外推壁垒的双重创新

《Materials Genome Engineering Advances》：Breaking Extrapolation Barriers: Dual Innovations for Property and Component Design of Multi-Component Alloy

　　

数据驱动的材料科学将领域知识与机器学习（machine learning, ML）相结合，然而机器学习在小数据集上的外推局限性常被忽视。研究人员开发了一个综合的符号回归外推框架（Symbolic Regression Extrapolation Framework, SREF），用于合金的性能与组分一体化设计。在一个包含273个硬度值的优化数据集上评估了6种机器学习算法，符号回归模型展现出卓越的域外泛化能力。通过引入高硬度数据点或由符号回归生成的虚拟样本，可进一步提高准确性。由四个符号回归模型组成的集成设计了一种高熵合金（high-entropy alloy, HEA）Al₄₉Co₁₄Cr₂₉Fe₅Ni₁Cu₂，其硬度达到863.5 HV，超过了原始数据集的上限。此外，通过对成分衍生的合金元特征（meta-features）进行建模，开发了一种新型七元高熵合金Al₄₀Co₁₂Cr₂₂Fe₁₃Ni₂Cu₆(Mo/Ti/V)₅。所有合成的合金硬度均超过750 HV，预测误差低于1.0%。该方法有效克服了小数据约束，为发现高性能多组分合金提供了途径。

论文解读：符号回归外推框架(SREF)突破多组分合金性能与组分设计的外推壁垒

**1. 研究背景与目的**
高熵合金（high-entropy alloy, HEA）因多主元协同效应而表现出优异的硬度、强度与延展性，但其巨大的组分空间使得传统试错法效率极低。机器学习（machine learning, ML）为HEA设计提供了加速途径，然而ML模型普遍存在外推限制：一方面难以预测超出训练数据范围的目标性能（如超高硬度），另一方面难以将模型推广到含有全新元素（如Mo、Ti、V）的未知组分空间。现有方法如主动学习、迁移学习虽能部分缓解，但仍受实验周期和数据质量制约。为此，研究人员提出了统一的符号回归外推框架（Symbolic Regression Extrapolation Framework, SREF），以符号回归为核心，结合虚拟样本生成与元特征建模，同时突破性能与组分的外推壁垒，从有限数据中高效发现高性能多组分合金。该研究发表于《Materials Genome Engineering Advances》。

**2. 研究方法与关键技术**
研究人员整合了Al–Co–Cr–Fe–Ni–Cu体系273个硬度数据（均来自真空电弧熔炼铸态合金，涵盖77种六元、166种五元、28种四元和2种三元合金），以固定随机种子划分训练集（80%）和测试集（20%），并采用10折交叉验证监控模型精度。主要技术包括：（1）PySR符号回归，利用遗传编程搜索成分–硬度间的可解释数学表达式；（2）基于Wasserstein自编码器（WAE）、高斯混合模型（GMM）和马尔可夫链蒙特卡洛（MCMC）的潜空间采样生成虚拟样本；（3）基于Matminer库提取110个合金元特征，并通过皮尔逊相关系数（PCC）和多种特征重要性评估筛选出12个关键描述符；（4）系统对比线性回归（LR）、支持向量回归（SVR）、多层感知机（MLPR）、随机森林（RFR）、XGBoost（XGBR）和符号回归（SR）六种算法。实验验证采用电弧熔炼、维氏硬度测试、X射线衍射（XRD）和扫描电子显微镜/能谱分析（SEM/EDS）。

**3. 主要研究结果**
**3.1 数据与算法（Data and Algorithm）**
研究构建了273个成分–硬度数据点，通过保留离群值以涵盖潜在形成机制，为后续算法评估提供了优化数据集。

**3.2 性能外推（Property Extrapolation）**
**3.2.1 性能外推测试与优化**
以500 HV为外推边界，六种模型中仅SR展现出有效外推能力（外推R²=0.23），而RFR和XGBR在预测高硬度时出现“扭结”现象。通过主动学习策略在训练集中加入两个真实高硬度样本，所有模型的外推精度均提升，其中SR的RMSE降至94.1 HV，R²升至0.41，证实了补充高硬度数据对扩展外推边界的重要性。

**3.2.2 虚拟样本扩展数据边界**
利用WAE将高维成分压缩至二维潜空间，GMM拟合分布，MCMC采样生成大量虚拟成分，并以SR方程作为代理模型赋予硬度预测值。经三轮迭代，虚拟样本的最高预测硬度达878 HV，高于初始数据集上限。将虚拟样本加入训练集后，各模型外推精度进一步改善（SR的R²达0.36），表明虚拟样本能有效丰富稀疏区域的分布。

**3.2.3 高硬度合金的外推设计**
集成四个基于不同训练数据构建的SR方程，设计并制备了三种Al–Co–Cr–Fe–Ni–Cu合金，其中C-1（Al₄₉Co₁₄Cr₂₉Fe₅Ni₁Cu₂）实测硬度为863.5 HV，超过文献报道的W-1（实测832.9 HV），且接近原始数据集报告的上限883.0 HV。SEM、EDS和XRD分析表明，C-1的高硬度源于Cr₂Al相和有序BCC（B2）基体的协同强化作用。

**3.3 组分外推（Component Extrapolation）**
**3.3.1 组分外推测试与优化**
利用四元亚系数据预测六元体系时，SR表现最佳（R²=0.88，RMSE=71.1 HV），而树模型因局部学习机制外推困难。加入五元数据后，所有模型的预测能力显著提升，XGBR外推R²从0.67升至0.92，说明扩大数据覆盖范围和缩小组分跨度可有效提高外推精度。

**3.3.2 微观尺度建模外推新元素**
通过PCC分析和多方法特征筛选，从110个描述符中选出12个关键合金元特征（如平均未填充电子数μN、原子尺寸参数Δ、电负性差Δχ等）。基于这些特征建模，成功预测了Cu对五元Al–Co–Cr–Fe–Ni合金硬度的影响，其中SR外推R²=0.88，优于其他模型，验证了元特征建模对引入新元素的适用性。

**3.3.3 新型七元合金的外推设计**
基于六元数据构建的SR方程及RFR、XGBR模型，评估Mo、Ti、V对硬度的提升效果，预测Mo最有利于增强硬度。随后设计并制备了Al₄₀Co₁₂Cr₂₂Fe₁₃Ni₂Cu₆(Mo/Ti/V)₅三种合金，实测硬度分别为767.6 HV（Mo）、750.6 HV（Ti）、752.7 HV（V），与预测误差均低于1%，且Mo合金硬度最高，与模型预测一致。

**3.4 机制分析**
通过对算法机理的剖析，树模型（RFR、XGBR）依赖节点划分，其预测值被限制在训练数据范围内，因此外推能力弱；线性模型和MLP能构建连续趋势，但仍受限于函数形式；SR通过组合幂函数、指数、三角函数等算符，能够捕捉微物理特征驱动的非线性关系，因而展现出最强外推能力。

**4. 结论**
本研究开发的SREF框架，一方面通过符号回归与虚拟样本策略突破了性能外推限制，设计出硬度超过原始数据集上限的Al–Co–Cr–Fe–Ni–Cu高熵合金；另一方面通过元特征建模实现了组分空间外推，成功设计出含Mo、Ti、V的七元高硬度合金，预测误差低于1%。SREF提供了一种通用且可解释的数据驱动材料设计范式，其进一步推广依赖于高质量数据积累与定制化微物理描述符的提取，可在数据受限条件下加速先进多组分合金的发现。