课程文献中心 更多>>

关键词： machine learning   random forest   magnetic ground state   magnetic moment  

摘要： Magnetic materials are important basic materials in the information age. Different magnetic ground states are the prerequisite for the wide application of magnetic materials, among which the ferromagnetic ground state is a key requirement for future high-performance magnetic materials. In this paper, machine learning is used to study the classification of ferromagnetic, antiferromagnetic, ferrimagnetic and paramagnetic ground states of inorganic magnetic materials and the prediction of magnetic moments of inorganic ferromagnetic materials. Weobtain 98888 inorganic magnetic materials data from the Materials Project database, containing material ids,chemical formulae, CIF files, magnetic ground states and magnetic moments, and extract 582 elemental and structural features for the inorganic magnetic materials by using Matminer. We design a two-step feature selection method. In the first step, RFECV is used to evaluate material features one by one to removeredundant features without degrading the model accuracy. In the second step, we rank the material features to further refine and select the most important material features for the model, and 20 material features are selected for the classification of magnetic ground states and the prediction of magnetic moments, *** the selected material features, it is found that the electronegativity, the atomic own magnetic momentand the number of unfilled electrons in the atomic peripheral orbitals all make important contributions to theclassification of magnetic ground states and the prediction of magnetic moments. We build a magnetic groundstate classification model and a magnetic moment prediction model by using the random forest, andquantitatively evaluate the machine learning models by using the 10-fold cross-validation approach, and the results show that the constructed machine learning models has sufficient accuracy and generalization capability .In the test set, the magnetic ground state classification mode

关键词： 6005A铝合金铸锭   均匀化温度   显微组织   硬度   导电率  

摘要： 采用金相观察、硬度和电导率测试、扫描电镜观察及能谱分析等方法对6005A铝合金铸锭及不同均匀化温度处理后的铸锭组织进行研究。结果表明:6005A铝合金铸态组织主要由α-Al固溶体和非平衡共晶相组成,第二相主要为Mg_(2)Si、AlFeSi相。在450~500℃均匀化处理时Mg_(2)Si从固溶体中析出。随着均匀化温度继续升高,Mg_(2)Si及非平衡共晶相逐渐回溶到基体中,从α-Al固溶体中析出的Mn、Cr元素与板条状的β-AlFeSi相结合,使板条状的α-AlFeSi相转变为断续球状的α-Al(FeMn)Si相和α-Al(FeMnCr)Si相,铸锭在570℃均匀化效果最佳。随着均匀化温度升高,铸锭硬度先降低后升高再降低,导电率呈现先升高后降低趋势。α-Al基体中析出细小的α-Al(FeMn)Si、Al(FeMnCr)Si弥散相尺寸随均匀化温度的升高逐渐增大。

关键词： 屏蔽材料   分类   工艺   喷涂  

摘要： 我国的屏蔽技术起步较晚,最初的屏蔽材料多为进口。我国国力的提升使电磁屏蔽领域有了较大的发展,新型国产屏蔽材料层出不穷。文章对电磁屏蔽材料的分类和工艺进行介绍。

关键词： 材料分析题   道德与法治   备考策略   呈现形式   信息容量   学生视野   解决问题的能力   形式多样化  

摘要： 材料分析题是道德与法治中考中的重要题型之一。它具有形式多样化、信息容量大、设问角度多、能力要求高等特点,既能开阔学生视野,又能考查学生综合运用所学知识分析、解决问题的能力。道德与法治材料分析题往往以归纳说理、究因明理、谈作用、话影响、明意义、找观点、说启发、作评价、明做法等形式呈现,问题具有开放性、拓展性、整合性、概括性、灵活性等特征。依据试题材料呈现形式以及问题特征,材料分析题可分为时事类、图文类、究因类、归纳类等类型。

关键词： 机器学习   随机森林   磁性基态   磁矩  

摘要： 磁性材料是信息时代重要的基础材料,不同的磁性基态是磁性材料广泛应用的前提,其中铁磁基态是高性能磁性材料的关键要求.本文针对材料项目数据库中的无机磁性材料数据,采用机器学习技术实现无机磁性材料铁磁、反铁磁、亚铁磁和顺磁基态的分类以及无机铁磁性材料磁矩的预测.提取了材料的元素和结构属性特征,通过两步式特征选择方法分别为磁性基态分类和磁矩预测筛选了20个材料特征,发现材料特征中的电负性、原子磁矩和原子外围轨道未充满电子数对两种磁性性能具有重要贡献.基于机器学习的随机森林算法,构建了磁性基态分类模型和磁矩预测模型,采用10折交叉验证的方法对模型进行定量评估,结果表明所构建的模型具有足够的精度和泛化能力.在测试检验中,磁性基态分类模型的准确率为85.23%,精确率为85.18%,召回率为85.04%,F1分数为85.24%;磁矩预测模型的拟合优度为91.58%,平均绝对误差为0.098μB/atom.本研究为无机铁磁性材料的高通量分类筛选与磁矩预测提供了新的方法和选择,可为新型无机磁性材料的设计研发提供参考.

关键词： 因瓦合金   偏析   高温热塑性   冲击性能  

摘要： 通过对因瓦合金铸锭进行均匀化退火处理,探究退火处理对铸锭组织、热力学性能以及冲击性能的影响。结果表明,退火处理后,因瓦合金的铸态组织发生改变,成分偏析得到改善,室温冲击性能提升了约7倍;高温下变形抗力降低,高温热塑性得到改善,高温脆性区间下降,热加工的温度窗口变大,这有利于提高因瓦合金的热加工效率和成材率。

关键词： 石墨烯功能化   功能化石墨烯材料   分类   定义   制备策略  

摘要： 自2004年被成功制备后,石墨烯因其独特迷人的性质在近十几年来备受关注,同时也引发了二维纳米材料的研究热潮。单原子层厚度的二维结构赋予石墨烯非同寻常的光学、电子学、磁学及力学等性质,使得石墨烯在生物学、医学、化学、物理学和环境科学等多个领域展现出极大的应用潜力。制得注意的是,石墨烯在应用时通常需要进行功能化,调节其组成、大小、形状和结构等,以便于加工处理或满足不同的应用需求。石墨烯功能化方法多样,功能化产物也是种类繁多。然而,到目前为止,石墨烯功能化产物并没有系统全面的分类和精确的定义。因此,本文在系统总结现有石墨烯功能化研究的基础上,给出了石墨烯功能化产物的系统分类、各类的精确定义和相应的制备策略,并通过典型示例进行了详细地阐述。石墨烯功能化的产物统称为"功能化石墨烯材料",分为两类:"功能化石墨烯"和"功能化石墨烯复合材料"。功能化石墨烯材料的制备可由"自上而下"和"自下而上"两种策略实现。制备策略的选择取决于应用需求。系统分类、精确命名和制备策略的归纳必将有助于功能化石墨烯材料的进一步发展。

关键词： 晶粒细化   脉冲电磁场   微观组织   电磁能  

摘要： 应用新型脉冲电磁场晶粒细化技术对Al-Si-Cu-Mg-Ni活塞合金熔铸中进行脉冲电磁场处理,探究电磁能对Al-Si-Cu-Mg-Ni活塞合金铸态微观组织的影响。利用光学显微镜(OM)与场发射扫描电镜(FESEM)对Al-Si-Cu-Mg-Ni活塞合金铸锭进行微观组织观察。结果表明,施加脉冲电磁场情况下,铸锭组织中初生相α-Al平均尺寸及一次、二次枝晶臂间距减小。耐热相尺寸减小且形态及分布状态均发生改变。脉冲电磁场频率为20 Hz时,铸锭心部位置的初生相α-Al平均尺寸减小到24μm,铸锭边部的α-Al平均尺寸为17μm,心部组织中一次枝晶臂间距、二次枝晶臂间距分别减小20.5%、10.53%,边部的分别减小31.2%、13.9%。进行脉冲电磁场细化机制分析,脉冲电磁场携带能量,在电磁能作用下,熔体结构发生改变。

关键词： 高熵合金   间隙碳原子   TRIP(transformation induced plasticity)效应   微观组织   性能  

摘要： 通过X射线衍射(XRD)、光学显微镜(OM)、电子背散射衍射(EBSD)、扫描电镜(SEM)、透射电镜(TEM)等手段分析了(Fe_(50)Mn_(30)Co_(10)Cr_(10))_(100-x)C_(x)(x=0,0.5,2.0,2.5;原子分数)浇铸态高熵合金微观组织与力学性能。结果表明,随着碳原子含量的增加,浇铸态高熵合金由fcc+hcp双相结构转变为fcc单相结构;间隙碳原子的固溶使合金发生晶格畸变,稳定fcc相,抑制亚稳态hcp相的生成。当x=2.0时,几乎仅存在fcc相衍射峰,微弱的hcp相衍射峰说明其含量很低。当碳原子的原子分数达到2.5%时,基体晶界处和晶粒内析出牛眼状Cr_(x)C_(y)碳化物,导致合金塑性恶化。随着碳含量的增加,铸态合金的树枝晶发生等轴化转变,组织得到细化。在拉伸变形过程中,部分fcc相转变成hcp相,诱发TRIP(transformation induced plasticity)效应(x=2.0)。(Fe_(50)Mn_(30)Co_(10)Cr_(10))_(98)C_(2)高熵合金的综合力学性能最佳,极限抗拉强度达到701 MPa,总体伸长率高达81%。

关键词： 纳米多孔银   高温氧化   微观形貌   原子扩散   去合金  

摘要： 近年来,纳米多孔材料成为光催化、储能等领域的研究热点。本工作将高温氧化和去合金工艺相结合,研究高温氧化对Ag_(15)Cu_(85)二元合金前驱体制备纳米多孔银的影响。在650~750℃温度下,氧化1~5 min,Ag_(15)Cu_(85)二元合金表面产生纳米级二维微孔、颗粒析出物及岛状平台。随着氧化时间的延长,合金表面呈现出相似的微观氧化形貌。铸态合金薄带在60℃、5%HNO_(3)(质量分数)中去合金0.5 h时,合金表面活性组元溶解;去合金进行1.5 h时,获得三维双连续的纳米多孔银结构。氧化态前驱体在腐蚀溶液浓度相同、去合金温度更低(45℃)的情况下,去合金15 min就能得到均匀的韧带和孔隙尺寸更大的纳米多孔银,仅为铸态合金薄带去合金持续时间的1/6。这说明氧化行为对去合金过程产生了较大影响,高温氧化改变了去合金反应的中间过程,去合金反应的参与者由单一α-Cu(Ag)固溶体转变为α-Cu(Ag)固溶体和Cu的氧化产物。氧化产物参与去合金反应,极大地促进了去合金反应进程,提高了活性组元溶解效率。