Design and optimization of quinary high entropy alloy systems with single-phase microstructures from conventional alloy systems
Notice bibliographique
Résumé
High-entropy alloy (HEA) discovery has traditionally relied on theoretical stability criteria and random compositional permutations, often overlooking practical manufacturability and experimental viability. In this study, we present a constraint-driven alloy design framework that enables early-stage development of manufacturable quinary equiatomic HEAs derived directly from conventional engineering alloys. Beyond the classical thermodynamic screening parameters, our framework incorporates manufacturability filters: melting point compatibility (ΔT mc ), atomic solubility index, ( S ¯ ) and vapor pressure parameter (P v ), targeting additive manufacturing (AM) processability. A flexible web-based platform was developed, allowing users to input any conventional alloy and generate new HEA systems according to the described criteria. We applied this framework to 15 industrial prototype alloys, generating over 60 quinary HEA candidates, many of which are previously unreported. One predicted composition, CuFeNiMnAl, was successfully fabricated using Directed Energy Deposition (DED), exhibiting a fine-grained FCC structure, high hardness (∼560 HV), and high densification (∼7.1 g/cm 3 ) relative to its parent alloy, nickel aluminum bronze. This experimental validation confirms the framework’s ability to deliver novel, manufacturable HEAs derived from real alloy systems. By integrating manufacturability constraints into early-stage design, this work provides a scalable, data-efficient pathway to application-ready HEAs, bridging computational discovery with industrial implementation.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».