自年以来，包含五种以上主要元素的高熵合金在世界范围内引起巨大的研究兴趣。与基于一种或两种主要元素的传统合金不同，高熵合金以其成分的复杂性而闻名。然而，有大量的高熵合金呈现出简单的固溶体结构。通常，人们把这种现象归因于成分复杂性而带来的“高混合熵”效应。原则上，这种“高熵”效应有利于材料的基本组成部分（如原子、离子、分子）的随机混合，而不利于形成化学有序（chemicalordering）或者元素分离（elementalde-mixing）。除此之外，这种依赖于温度的高熵效应也有助于生成在室温环境下的亚稳态结构，从而赋予高熵材料不同寻常的结构和功能特性。除了适用于合金体系，这种“高熵设计”的概念最近也被扩展到金属间化合物和陶瓷。然而，随着主元素数量的增加，可能的化学组成成分总数会迅速上升到一个天文数值。因此，设计传统合金的试错法不再适用于设计具有特殊性能的高熵材料。鉴于此，利用机器学习方法来设计，开发乃至应用高熵材料已经成为该领域的共识。通过对过去几十年文献积累的大数据的学习，可以大大加快成分筛选、合金设计和开发，甚至应用。
本期特刊将强调使用机器学习方法来解决高熵材料领域的挑战性问题。我们欢迎原创贡献和专题评论，涵盖的主题包括但不限于以下内容：
开发用于建立高保真数据库的高通量实验/计算方法
基于机器学习的高熵材料结构表征
通过机器学习来研究高熵材料的热力学和动力学
机器学习指导高熵材料的设计和开发（即成分设计、加工设计、微观结构表征等）
机器学习引导高熵材料的应用（包括结构与功能应用）
客座编辑
杨勇教授
中国香港城市大学机械工程学系
郭晟教授
瑞典查尔姆斯理工大学工业与材料科学系
陈文教授
美国马萨诸塞大学机械与工业工程系
投稿截止日期：年9月30日
欢迎扫码投递
期刊主页
Homepage: