Automatic property search incorporating machine learning for high entropy alloy property search

2022 Fiscal Year Final Research Report

• Project/Area Number: 20K05068
• Research Category: Grant-in-Aid for Scientific Research (C)
• Allocation Type: Multi-year Fund
• Section: 一般
• Review Section: Basic Section 26010:Metallic material properties-related
• Research Institution: National Institute for Materials Science
• Principal Investigator: KINO Hiori 国立研究開発法人物質・材料研究機構, 統合型材料開発・情報基盤部門, 主幹研究員 (70282605)
• Project Period (FY): 2020-04-01 – 2023-03-31
• Keywords: マテリアルズインフォマティクス / ハイエントロピー合金 / 第一原理網羅計算 / 説明可能な人工知能 / 残留電気抵抗率 / 磁気相転移温度 / 磁性

Outline of Final Research Achievements

The applicant has automated the first-principles KKR method to realize an exhaustive automatic calculation, and has also calculated magnetization, magnetic phase transition temperature, and residual electrical conductivity. The calculation of the amount of material was performed. By applying an explanatory machine learning method to the results of the exhaustive calculations, we found that the smaller the scatter (dispersion) of the periodic table sequence of the constituent elements, the higher the residual conductivity. We also suggested the possibility of nonmagnetic materials due to frustration between elements as a cocktail effect of HEA when the magnetization is noncollinear.

Free Research Field

マテリアルズインフォマティクス

Academic Significance and Societal Importance of the Research Achievements

材料設計を行う場合に都度材料の物性を探索するのではなく，予め物性値データベースを作成し，そこからデータを選べると材料設計が大幅に加速する。高強度物質として知られる固溶状態相であるハイエントロピー合金は3d遷移金属元素などを含む場合に磁性を持つ可能性がある。構造から柔磁性になり、また、様々な元素が混じった合金であり、単結晶として原理的に大きな電気抵抗を持つことも期待される。ハイエントロピー合金に対してこの網羅計算ソフトの作成および網羅データ生成を行った。