[发明专利]一种设计高非晶形成能力的合金方法

说明书

本发明提供一种设计高非晶形成能力的合金方法，该方法采用Fine kNN分类器来预测材料的非晶合金形成能力。本发明提供的方法，由于采用Fine kNN模型来预测材料的非晶形成能力，Fine kNN模型精准度高达95.5％，真阳性率高达96％，假阳性率低至7％，说明此模型在具有高预测能力的同时具有高泛化能力，能够极其准确的预测新型合金的非晶形成能力，大大的提高了非晶合金的研发效率，节省了人力物力资源。

技术领域

本发明涉及材料技术领域，尤其涉及一种设计高非晶形成能力的合金方法。

背景技术

在非晶合金研究领域，如何设计并开发出具有良好玻璃形成能力的合金，是相关科研人员一直追求的目标，例如2006年北京航空航天大学的Men等人制备出Cu_46.25Zr_46.25Al_7.5非晶合金，探究Zr元素的加入对其非晶形成能力的影响； 2015年Yang等人通过掺少量的Cu元素来提高铁基合金的非晶形成能力。虽然他们都成功的制备出了相关非晶合金，但是依靠这种传统的“试错法”来设计具有高非晶形成能力的合金，研发效率得不到很好的保证。即研究过去非晶合金材料新体系的探索主要依据经验性判据的指导，由于其准确性与通用性的限制，非晶新材料的研发速度非常缓慢。如何提高材料设计的效率，寻找具有更优性能的材料，是非晶材料领域非常具有挑战性的问题。机器学习作为解决很多人工智能问题的主流方法，正在作为一个独立的方向处于高速发展之中。机器学习算法分为回归和分类两种。2019年，Wang等人利用了5种机器学习回归模型来预测铁基非晶的软磁性能，旨在加速高性能软磁材料的设计，但是Wang等人提出的模型只能预测材料的软磁性能，不能设计高非晶形成能力的材料；2018 年，Ward等人使用了随机森林分类算法预测材料的非晶形成能力，然而，该模型的精确度只有89％。

发明内容

本发明的目的在于解决上述现有技术存在的缺陷，提供一种预测精度高的设计高非晶形成能力的合金方法。

一种设计高非晶形成能力的合金方法，采用Fine kNN分类器来预测材料的非晶合金形成能力。

进一步地，如上所述的方法，所述Fine kNN分类器的数据库包含55种元素、6652个数据。

进一步地，如上所述的方法，所述Fine kNN分类器的精准度为95.5％，真阳性率为96％，假阳性率为7％。

进一步地，如上所述的方法，所述Fine kNN分类器预测类为“真”时，AUC ＝0.95；该预测类为“假”时，AUC＝0.95；其中AUC代表ROC曲线围成的面积， AUC值越大，分类器预测能力越强。

进一步地，如上所述的方法，所述非晶合金的制备方法，包括以下步骤：

步骤1)母合金的制备，按照化学组成为Fe_81.6Si_0.2B₁₄Nb_0.5P_2.2C_1.5、Fe_81.8Si_0.2B₁₃Nb_0.5P₂C_2.5和Fe_80.4Si_0.6B_14.5P₂Cu₂Nb_0.5，首先采用电子天平称量原料，在抽真空并充入高纯氩气作为保护气体的气氛下，采用真空非自耗电弧熔炼炉对原料进行熔炼，制备成分均匀的母合金；

步骤2)铁基纳米晶软磁合金的制备，将步骤1所得母合金破碎为小块，放入无水乙醇中进行超声清洗，清洗后干燥，放入石英玻璃管中，固定于铜辊线圈中央。在抽真空后充入氩气作为保护气体的气氛下，将甩带机中的母合金加热到熔融状态，通过喷嘴吹气喷射到高速旋转的铜辊上进行快速冷却，制备出合金薄带。