近日，我院材料基因研究团队在基于领域知识构建的机器学习模型来预测FCC多主元合金的疲劳寿命方面取得进展。相关成果以题为“Fatigue life prediction of the FCC-based multi-principal element alloys via domain knowledge-based machine learning”的论文发表在力学领域一区期刊《Engineering Fracture Mechanics》上，肖璐博士生为第一作者，任景莉教授为通讯作者，合作者包括上海大学王刚教授，郑州机械所龙伟民教授和美国田纳西大学Peter K. Liaw教授，郑州大学为第一作者单位。

文章通过从经验公式中提取特征，构建机器学习模型来预测FCC多组元合金的疲劳寿命。基于XGBoost 和 GBDT构建的投票模型在预测多组元合金的疲劳寿命上具有优异的性能，其预测结果几乎都位于 2 个误差带范围内，而且外推泛化的相对误差不超过 0.16。模型的可解释分析表明，对于所探索的合金，如果它们的屈服强度小于 720 MPa，通过提高强度来提高疲劳寿命是一个较好的选择，否则通过提高延展性来提高疲劳寿命。该研究提供了一种快速且低成本的方法来预测FCC多主元合金的疲劳寿命，从而指导设计具有优异疲劳性能的合金。

该工作得到国家自然科学基金(U23A2065，52071298)和美国国家科学基金(DMR-1611180，DMR-1809640)项目资助。

引用格式：Xiao L, Wang G, Long WM, Liaw PK, Ren JL. Fatigue life prediction of the FCC-based multi-principal element alloys via domain knowledge-based machine learning. Eng Fract Mech 2024; 296:109860

全文链接：https://doi.org/10.1016/j.engfracmech.2024.109860