High-throughput materials screening algorithm based on first-principles density functional theory and artificial neural network for high-entropy alloys

相干势近似 人工神经网络 密度泛函理论 算法 材料科学 相(物质) 热力学 计算机科学 统计物理学 电子结构 凝聚态物理 物理 人工智能 化学 计算化学 量子力学
作者
Meena Rittiruam,Jakapob Noppakhun,Sorawee Setasuban,Nuttanon Aumnongpho,Attachai Sriwattana,Suphawich Boonchuay,Tinnakorn Saelee,Chanthip Wangphon,Annop Ektarawong,Patchanee Chammingkwan,Toshiaki Taniike,Supareak Praserthdam,Piyasan Praserthdam
出处
期刊:Scientific Reports [Springer Nature]
卷期号:12 (1)
标识
DOI:10.1038/s41598-022-21209-0
摘要

This work introduced the high-throughput phase prediction of PtPd-based high-entropy alloys via the algorithm based on a combined Korringa-Kohn-Rostoker coherent potential approximation (KKR-CPA) and artificial neural network (ANN) technique. As the first step, the KKR-CPA was employed to generate 2,720 data of formation energy and lattice parameters in the framework of the first-principles density functional theory. Following the data generation, 15 features were selected and verified for all HEA systems in each phase (FCC and BCC) via ANN. The algorithm exhibited high accuracy for all four prediction models on 36,556 data from 9139 HEA systems with 137,085 features, verified by R2 closed to unity and the mean relative error (MRE) within 5%. From this dataset comprising 5002 and 4137 systems of FCC and BCC phases, it can be realized based on the highest tendency of HEA phase formation that (1) Sc, Co, Cu, Zn, Y, Ru, Cd, Os, Ir, Hg, Al, Si, P, As, and Tl favor FCC phase, (2) Hf, Ga, In, Sn, Pb, and Bi favor BCC phase, and (3) Ti, V, Cr, Mn, Fe, Ni, Zr, Nb, Mo, Tc, Rh, Ag, Ta, W, Re, Au, Ge, and Sb can be found in both FCC and BCC phases with comparable tendency, where all predictions are in good agreement with the data from the literature. Thus, the combination of KKR-CPA and ANN can reduce the computational cost for the screening of PtPd-based HEA and accurately predict the structure, i.e., FCC, BCC, etc.
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
更新
大幅提高文件上传限制,最高150M (2024-4-1)

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
1秒前
2秒前
2秒前
tfr06完成签到,获得积分10
2秒前
yyy完成签到,获得积分20
2秒前
3秒前
科研通AI2S应助不爱干饭采纳,获得10
4秒前
山风完成签到,获得积分10
4秒前
高高雪枫发布了新的文献求助30
4秒前
Jar驳回了子车茗应助
4秒前
5秒前
5秒前
情怀应助望xun采纳,获得10
5秒前
6秒前
7秒前
汉堡包应助cq采纳,获得10
7秒前
刻苦的芜完成签到,获得积分10
8秒前
8秒前
8秒前
9秒前
10秒前
10秒前
所所应助yj采纳,获得10
10秒前
12秒前
12秒前
zgt01发布了新的文献求助10
12秒前
完美世界应助澍L采纳,获得10
13秒前
科研能发布了新的文献求助10
13秒前
13秒前
14秒前
deathmask发布了新的文献求助20
14秒前
清水小镇发布了新的文献求助10
15秒前
15秒前
Alvin发布了新的文献求助10
15秒前
16秒前
16秒前
小二郎应助Sene采纳,获得10
16秒前
spirit完成签到 ,获得积分10
17秒前
心心哈完成签到,获得积分10
17秒前
dusum发布了新的文献求助10
17秒前
高分求助中
Evolution 10000
Sustainability in Tides Chemistry 2800
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
юрские динозавры восточного забайкалья 800
Diagnostic immunohistochemistry : theranostic and genomic applications 6th Edition 500
Chen Hansheng: China’s Last Romantic Revolutionary 500
China's Relations With Japan 1945-83: The Role of Liao Chengzhi 400
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3148527
求助须知:如何正确求助?哪些是违规求助? 2799622
关于积分的说明 7836197
捐赠科研通 2457012
什么是DOI,文献DOI怎么找? 1307684
科研通“疑难数据库(出版商)”最低求助积分说明 628247
版权声明 601655