成分-硬度/模量数据库
通过高通量实验结合 CALPHAD 与机器学习，建立了 fcc Cu–Ni–Sn–Al 合金硬度与杨氏模量随成分变化的定量关系，为高强度高弹性铜合金设计提供直接依据。
Zhang, Wenli · 汤颖 · Jinghan, Gao · Zhang, Lijun · 丁俭 · 夏兴川
Journal of Materials Research and Technology 2024
一次获得 341 组不同成分的硬度和杨氏模量，覆盖子二元、子三元和四元体系，能够揭示性能随成分的连续变化。
BP 神经网络模型在三元、四元合金中对硬度和杨氏模量的预测精度高于 CALPHAD 方法，更适合多组元成分空间的外推。
Ni 含量对硬度影响最大；杨氏模量随 Ni 增加而增大，随 Al、Sn 增加而减小，为成分调控提供依据。