高刚高延
在保持7%延伸率的同时，弹性模量突破50 GPa，免去传统试错法，成分经机器学习预测可直接制备。
Zhiyuan, Liu · Tianyou, Wang · 金力 · Zeng, Jian · 董帅 · 王丰华 · Wang, Fulin · 董杰
Journal of Materials Science and Technology 2025
通过机器学习筛选六项特征，制备出的合金在保持延性的同时弹性模量超过50 GPa，解决了传统方法中刚度和延性难以兼顾的问题。
XGBoost模型对弹性模量和延伸率的预测误差分别低于2.4%和4.5%，使得合金成分筛选可以快速完成。
通过SHAP分析确认强化相体积分数是决定合金性能的最重要特征，为后续材料设计提供了明确方向。