Database of Ternary Amorphous Alloys Based on Machine Learning

We develop a machine learning workflow to predict the critical casting diameter, glass transition temperature, and Young’s modulus for 45 ternary reported amorphous alloy systems. The predicted results have been organized into a database, enabling direct retrieval of predicted values based on compositional information.

本研究开发了一套机器学习工作流，用于预测45种已报道的三元非晶合金体系的临界铸造直径、玻璃化转变温度与杨氏模量。研究将所得预测结果整理为专用数据库，可基于合金成分信息直接检索获取对应预测值。

搜集汇总

背景与挑战

背景概述

该数据集是基于机器学习构建的三元非晶合金数据库，包含对45种合金系统的关键性能参数预测结果，可直接通过成分信息检索预测值。数据集属于材料科学领域，由国家自然科学基金资助。