OBRABOTKAMETALLOV Vol. 26 No. 4 2024 165 MATERIAL SCIENCE что позволяет модифицировать его микроструктуру и улучшить механические свойства [55]. Спинодальный распад, вызывающий композиционную неоднородность структуры, представляет собой процесс разделения твердого раствора на две фазы с различным химическим составом. В результате спинодального распада формируются нанометровые структуры, которые упрочняют материал. Такая композиционная неоднородность значительно повышает механические характеристики ВЭС, делая их более прочными и надежными для использования в условиях высоких нагрузок и температур [56]. Применение лазерного аддитивного производства для когерентного упрочнения сплавов является еще одним эффективным методом. Лазерное аддитивное производство – это технология, при которой материал добавляется послойно с использованием лазера. Данный метод позволяет точно контролировать микроструктуру и фазовый состав материала, что ведет к улучшению его прочностных свойств [57]. Таким образом, внедрение перечисленных методов позволяет значительно улучшить прочностные свойства ВЭС, обеспечивая высокую прочность и сохранение пластичности, что делает их перспективными для использования в различных высоконагруженных и высокотемпературных приложениях. Прогнозирование свойств и моделирование Исследования по повышению прочности высокоэнтропийных сплавов имеют стратегическое значение для создания более совершенных материалов, которые сочетают в себе прочность, легкость и устойчивость к различным условиям эксплуатации. Можно встретить исследования, посвященные прогнозированию прочности высокоэнтропийных сплавов, в частности на основе машинного обучения. Машинное обучение (Machine Learning, ML) представляет собой подраздел искусственного интеллекта, который обучает компьютерные системы выполнять задачи, не явно программированные для их выполнения. Вместо того чтобы использовать явные инструкции, машины обучаются на основе данных и алгоритмов, выявляя закономерности и делая прогнозы или принимая решения. В области материаловедения и нанотехнологий многомасштабное моделирование стало важным инструментом для понимания свойств материалов на разных уровнях – от атомного до макроскопического. Использование суперкомпьютеров и высокопроизводительных вычислений позволяет моделировать сложные системы с миллионами атомов и молекул. Одним из ключевых методов многомасштабного моделирования является метод молекулярной динамики, который позволяет моделировать динамику атомов и молекул на микроскопическом уровне [58]. Этот метод используется для изучения свойств материалов, таких как прочность, упругость, теплопроводность и др. На рис. 4 можно увидеть, как машинное обучение применяется в исследованиях ВЭС. Кроме того, методы машинного обучения также играют важную роль в анализе данных о материалах. Эти методы применяются для классификации материалов, предсказания их свойств и оптимизации процесса производства. Например, алгоритмы машинного обучения могут быть использованы для определения оптимальной структуры материала или для предсказания его свойств на основе данных о его составе и структуре. Таким образом, сочетание многомасштабного моделирования и машинного обучения позволяет получить более глубокое понимание свойств материалов и улучшить процесс их проектирования и производства. С помощью комбинации машинного обучения, феноменологических правил и CALPHADмоделирования были предсказаны новые перспективные составы тугоплавких высокоэнтропийных сплавов с заданным фазовым составом и механическими свойствами (пределом текучести). Подчеркивается, что создание и модификация свойств пятикомпонентных ВЭС возможно с помощью компьютерных программ CALPHAD, предназначенных для расчета фазовых диаграмм. Исследования, проведенные в Сибирском государственном индустриальном университете, показали, что расчеты фазовых диаграмм CALPHAD подтверждаются экспериментальными данными и позволяют разрабатывать сплавы нового поколения с заданными свойствами [59]. В табл. 2 представлено сравнение прогнозируемого и экспериментального
RkJQdWJsaXNoZXIy MTk0ODM1