国立大学法人日本先进科学技术研究所/先进科学技术研究生院 DAM Hieu-Chi 教授、HUYNH Van-Nam 教授、助理教授 NGUYEN Duong-Nguyen, HA、知识管理领域 Minh-Quyet 研究生、Takahiro Osada 博士、国立材料科学研究所、Toyohiro Chikyo 博士、Hiori Kino 博士、研究团队负责人 Takashi Miyake米乐m6官方网站/功能材料计算设计研究中心的NGUYEN Viet-Cuong博士、HPC Systems有限公司的NGUYEN Viet-Cuong博士和法国贡比涅工业大学的DENOEX Thierry教授领导的联合团队，利用证据理论的数据驱动方法开发了一种新的材料推荐系统。高熵合金经过研发和实验验证，我们成功合成了一种新型单相合金薄膜材料。
当前迫切需要缩短材料研究的时间并降低成本。除了传统的实验和计算之外，从数据中提取价值的新的数据驱动材料开发方法也引起了人们的关注。材料成分数据的问题在于，与可形成合金的大量成分组合相比，理论计算和实验评估的数量很少。由于实验条件和计算方法的差异，存在难以一致解释的结果，报告的数据具有偏向成功案例的特点。由于这些限制和偏差，使用数据科学方法定量评估材料研发现有数据结果的准确性和不确定性极其困难。这一点对于减少昂贵的实验数量以及在实验中有效确定制造条件和成分组合以探索新材料来说是一个障碍，这通常需要外推过程。
在这项研究中，我们从关系不明确的数据组中提取出与材料成分相关且可解释且合理的数据之间的关系，并通过构建新的有效数据组，我们能够提出和合成新材料。您可以大幅扩展可用于材料开发的数据集并加速材料开发。在这项研究中，我们利用证据理论（Dempster-Shafer理论）开发了一个数据驱动的材料开发系统，该系统从多个数据源收集有关潜在材料成分的合理证据，即表明未知成分可能性的线索，并根据这些证据提出新材料的成分。证据理论是贝叶斯统计的推广理论，可以评估数据的不确定性。利用这一理论，现在可以根据可形成合金的整组组合的部分或不完整数据来估计新材料的成分。这项研究的重点是寻找新型高熵合金的问题。我们提出了一种推荐新型高熵合金的方法，该合金可以通过建模、收集和结合有关特定元素组合形成合金相的可能性的数据证据来创建，而无需使用传统数据驱动材料开发方法中使用的材料描述符（其中材料特性被数值数组取代）。
首先，我们将定量评估在已知合金的基础上通过替换其某些组成元素来创建新合金的可能性。在这个过程中，该方法具有从含有少量组成元素的合金的数据中推荐含有大量组成元素的合金的能力。具体来说，我们利用由二至四种元素组成的合金的实验数据和多次理论计算的计算数据，推荐了可以使用证据理论生产的由五种元素组成的合金，并利用理论计算数据进行了验证。结果证实，与现有的使用机器学习的推荐方法相比，所提出的方法可以将试验次数减少到不到 1/100。此外，我们对含有铁钴锰（FeCoMn）的高熵合金进行了演示实验，这是该方法中最可靠和推荐的合金。
在演示实验中，是一种高通量材料开发技术组合法两种原料：FeCoMnR（R为第四元素）和FeCoMn溅射法不断混合它们并在单一基板上创建R成分略有不同的薄膜，我们系统地获得了成分与晶体结构之间关系的数据库。通过有效验证成分与结构稳定性之间的关系，我们首次从使用该方法提出的一组候选材料中成功合成了具有先前未知的体心立方结构的铁钴锰镍（FeCoMnNi）薄膜。
这项研究成果是计算科学、实验科学和数据科学融合的又一步，具有很强的通用性，有望广泛应用于各种先进功能材料的研发。这项研究发表在英国科学杂志``自然计算科学'' 已发布在线版本（日期为 7 月 19 日：日本时间 7 月 20 日）。
这项研究也是利用日本科学技术振兴机构 (JST) JST 未来社会创建项目加速探索“共同基础设施”领域研究开发项目“材料铸造厂的材料开发系统构建和数据库创建（研究开发代表：Toyohiro Chikyo）”（编号：JPMJMI18G5）的成果进行的。
杂志名称：自然计算科学
标题：基于证据的高熵合金推荐系统
作者姓名：Minh-Quyet Ha、Nguyen-Duong Nguyen、Viet-Cuong Nguyen、Takahiro Nagata、Toyohiro Chikyow、Hiori Kino、Takashi Miyake、Thierry Denœux、Van-Nam Huynh、Hieu-Chi Dam
发布日期：2021 年 7 月 19 日在线发布（英国时间）
DOI：101038/s43588-021-00097-w