近期，杨百翰大学的Gus L. W. Hart教授与杜克大学的Stefano Curtarolo教授在《自然·材料评论》期刊上发表了一篇题为《合金中的机器学习》的研究论文。这篇论文探讨了机器学习方法在合金研究中的应用，回顾了过去依赖人工的传统方法，以及现代数据驱动方法带来的变革。随着计算数据库的发展，机器学习技术已经成为推动合金研究进展的重要工具。这种方法不仅提高了材料科学领域的研究效率，还促进了多种材料的发展，例如金属玻璃、高熵合金、形状记忆合金、磁性材料、超合金、催化剂及结构材料等。

该研究详细分析了当前机器学习在合金研究中的应用情况，讨论了具体方法和技术，并总结了理论预测与实验验证的结果。研究者们认为，机器学习与合金研究的结合将会开启新材料设计的新篇章，带来前所未有的创新成果。

图表展示

• 图1：展示了早期基于手工的机器学习方法。
• 图2：说明了特征选择和描述符发现的结构及其方法。
• 图3：探讨了机器学习在无序合金中的应用。
• 图4：展示了机器学习在形状记忆合金、催化剂及磁性材料方面的应用。
• 图5：介绍了机器学习在合金制造过程中的应用。

通过这些图表，研究团队向读者提供了直观的理解，帮助人们更好地认识机器学习如何改变合金研究的方式。

该论文的详细内容可以在以下网址查看：

https://www.nature.com/articles/s41578-021-00340-w

更多关于通讯作者的研究工作可以访问以下网址：

https://msg.byu.edu/home

请注意，由于原始内容包含大量图表，这里仅对文字部分进行了改写。