Machine learning studies for magnetic compositionally complex alloys: A critical review

材料科学 人工智能 计算机科学
作者
Xin Li,C.H. Shek,Peter K. Liaw,Guangcun Shan
出处
期刊:Progress in Materials Science [Elsevier BV]
卷期号:146: 101332-101332 被引量:6
标识
DOI:10.1016/j.pmatsci.2024.101332
摘要

Soft magnetic alloys play a critical role in power conversion, magnetic sensing, magnetic storage and electric actuating, which are fundamental components of modern technological innovation. Therefore, the rational design of soft magnetic alloys holds substantial scientific and commercial value. With excellent comprehensive performance, emerging compositionally complex alloys (CCAs) with high chemical complexity have garnered significant interest. The huge composition search space of CCAs provides both challenges and opportunities for discovering new high-performance magnetic materials. The traditional alloy design method relying on scientific intuition and a trial-and-error strategy could be inefficient and costly for magnetic CCAs. Accordingly, with great capacities for nonlinear and adaptive information processing, machine learning (ML) has shown great potential in magnetic CCA studies. This paper reviews magnetic properties of CCAs, examines the various inspiring applications of ML methods in magnetic CCAs, and discusses the future directions for unleashing the full potential of ML methods for applications in magnetic CCAs' studies.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
Hao关闭了Hao文献求助
1秒前
ayayaya发布了新的文献求助10
2秒前
李健的小迷弟应助羽毛采纳,获得10
2秒前
诸忆雪完成签到,获得积分10
5秒前
6秒前
刘心悦发布了新的文献求助10
7秒前
caofan应助资白玉采纳,获得10
7秒前
羽雨完成签到 ,获得积分10
8秒前
9秒前
hhcosy完成签到,获得积分10
9秒前
mmyhn发布了新的文献求助30
10秒前
CipherSage应助ayayaya采纳,获得10
11秒前
桐桐应助有趣的灵魂采纳,获得10
11秒前
12秒前
ag完成签到,获得积分10
12秒前
完美世界应助理想的路痴采纳,获得10
15秒前
guantlv完成签到,获得积分10
15秒前
16秒前
白baibbb完成签到,获得积分10
17秒前
18秒前
aurora应助科研通管家采纳,获得20
19秒前
19秒前
小二郎应助科研通管家采纳,获得10
19秒前
JamesPei应助科研通管家采纳,获得10
19秒前
呆瓜完成签到,获得积分10
19秒前
英俊的铭应助科研通管家采纳,获得10
20秒前
FashionBoy应助科研通管家采纳,获得10
20秒前
SciGPT应助科研通管家采纳,获得10
20秒前
Orange应助科研通管家采纳,获得10
20秒前
连忘幽完成签到,获得积分10
20秒前
科研通AI5应助科研通管家采纳,获得10
20秒前
SciGPT应助科研通管家采纳,获得10
20秒前
科研通AI5应助科研通管家采纳,获得10
20秒前
CipherSage应助科研通管家采纳,获得10
20秒前
华仔应助科研通管家采纳,获得10
20秒前
wh应助科研通管家采纳,获得20
20秒前
科研通AI2S应助科研通管家采纳,获得10
20秒前
英俊的铭应助科研通管家采纳,获得10
20秒前
丘比特应助科研通管家采纳,获得10
20秒前
guoguoguo发布了新的文献求助10
21秒前
高分求助中
All the Birds of the World 4000
Production Logging: Theoretical and Interpretive Elements 3000
Les Mantodea de Guyane Insecta, Polyneoptera 2000
Am Rande der Geschichte : mein Leben in China / Ruth Weiss 1500
CENTRAL BOOKS: A BRIEF HISTORY 1939 TO 1999 by Dave Cope 1000
Machine Learning Methods in Geoscience 1000
Resilience of a Nation: A History of the Military in Rwanda 888
热门求助领域 (近24小时)
化学 材料科学 医学 生物 工程类 有机化学 物理 生物化学 纳米技术 计算机科学 化学工程 内科学 复合材料 物理化学 电极 遗传学 量子力学 基因 冶金 催化作用
热门帖子
关注 科研通微信公众号,转发送积分 3736220
求助须知:如何正确求助?哪些是违规求助? 3280007
关于积分的说明 10018194
捐赠科研通 2996624
什么是DOI,文献DOI怎么找? 1644240
邀请新用户注册赠送积分活动 781843
科研通“疑难数据库(出版商)”最低求助积分说明 749548