本發(fā)明涉及非晶合金的非晶形成能力分析領域，具體而言，涉及基于transformer和表格數(shù)據(jù)轉換的非晶形成能力預測方法。

背景技術：

1、非晶合金是現(xiàn)代合金材料的重要組成部分，因其優(yōu)異的機械和理化性能，廣泛應用于能源、通信、航空航天等高科技領域。非晶形成能力是用于表征合金形成非晶的難易程度的重要指標，根據(jù)非晶合金的非晶形成能力，可以決定其在高強度、高硬度、良好耐腐蝕性和特殊磁性環(huán)境的使用。然而，大部分非晶合金的非晶形成能力較低，給工程制造帶來了重大挑戰(zhàn)。因此，對非晶合金的非晶形成能力的評估，不僅可以促進非晶合金本身的應用，而且也能推動凝聚態(tài)物理學的發(fā)展。

2、一般來說，通過臨界冷卻速率或臨界鑄造直徑可以評估非晶合金的非晶形成能力，其中的臨界冷卻速率很難通過實驗和熱分析計算獲得，因此，在實際研發(fā)中，雖然可通過諸如參數(shù)、玻璃轉變溫度 t rg、過冷液相區(qū) δt x等標準評估非晶形成能力參數(shù)的方案，但是這些標準只能針對特定的合金成分且預測準確度不高。在利用目前普及的關系模型建立屬性和非晶形成能力的評估模型時，由于不同的非晶合金的組成元素不同，基礎屬性和非晶形成能力的關系也存在差別，因樣本的數(shù)據(jù)密度不均衡，使評估模型適合的非晶合金存在一定限制。因此，需要一種技術方案，集成非晶合金的基礎屬性，擴展基礎屬性與非晶形成能力的關聯(lián)，實現(xiàn)評估非晶形成能力的準確評估。

技術實現(xiàn)思路

1、為實現(xiàn)上述目的，本申請?zhí)峁┝嘶趖ransformer和表格數(shù)據(jù)轉換的非晶形成能力預測方法，包括以下步驟：

2、獲取金屬合金樣本中非晶合金組成元素的基本屬性和非晶形成能力屬性；基本屬性指基于實驗或密度泛函理論模擬的元素性質(zhì)，包括：原子基本性質(zhì)、化學性質(zhì)和物理性質(zhì)，所述非晶形成能力屬性包括臨界鑄造直徑 d max；

3、生成非晶合金數(shù)據(jù)集；其中，數(shù)據(jù)集包括自變量和響應變量，自變量包括元素組成ec和混合焓 h mix，所述響應變量為臨界鑄造直徑 d max；

4、定義關系模型，關系模型為三類模型構成的集成模型；

5、使用非晶合金數(shù)據(jù)集對集成模型進行訓練，構建非晶形成能力評估模型，實現(xiàn)非晶形成能力預測。

6、其中，自變量由非晶合金組成元素的基本屬性計算生成；生成自變量時，將基本屬性相關的參數(shù)進行線性混合規(guī)則、導數(shù)混合規(guī)則、偏差和差分公式進行計算獲得。

7、其中，原子基本性質(zhì)包括：原子序數(shù)、原子質(zhì)量、基團、周期；所述化學性質(zhì)包括： pauling電負性、 mulliken電負性；

8、所述物理性質(zhì)包括：密度、熔點、比熱容。

9、進一步的，生成非晶合金數(shù)據(jù)集前，對基本屬性和非晶形成能力屬性進行歸一化處理，控制屬性取值范圍在0-1之間，構成第一樣本集。

10、將所述第一樣本集進行訓練集劃分，包括：將第一樣本集按設定比例劃分為訓練集和測試集；對所述訓練集進行過采樣處理，生成合成數(shù)據(jù)，將合成數(shù)據(jù)與訓練集合并為第二數(shù)據(jù)集；其中，過采樣處理的算法包括：adasyn、smogn、gn。

11、進一步的，adasyn算法用于為少數(shù)已有樣本分配不同的權重，補充增加不同數(shù)量的樣本；

12、gn算法通過向稀有域的樣本添加高斯白噪聲來生成新樣本；

13、smogn算法將smoter算法與gn算法相結合，通過隨機欠采樣使樣本中密集數(shù)據(jù)變得稀疏后，通過smoter的插值或引入高斯噪聲使稀有域的數(shù)據(jù)變得密集，實現(xiàn)樣本補充。

14、其中，將所述合成數(shù)據(jù)與訓練集合并為第二數(shù)據(jù)集時，采用統(tǒng)計參數(shù)評估第二數(shù)據(jù)集的質(zhì)量，判斷數(shù)據(jù)增強處理后數(shù)據(jù)集分布的改善效果，根據(jù)第二數(shù)據(jù)集的質(zhì)量確定非晶合金數(shù)據(jù)集；所述統(tǒng)計參數(shù)包括：pcd值、偏度和峰度。

15、對集成模型進行訓練時，根據(jù)每個模型在預測中的重要性分配權重，將每個模型的預測結果與對應權重相乘再求和，生成訓練預測值。

16、其中，集成模型包括第一關系模型、第二關系模型和第三關系模型；

17、第一關系模型用于根據(jù)自變量體現(xiàn)的基本屬性的依賴性和交互作用生成預測結果；

18、第二關系模型用于根據(jù)自變量體現(xiàn)的最小化特征距離矩陣和像素距離矩陣之間的差異生成預測結果；

19、第三關系模型用于根據(jù)自變量體現(xiàn)的分段線性編碼對每種特征進行處理，生成預測結果。

20、本發(fā)明針對非晶合金的組成元素的屬性及各基礎屬性與臨界鑄造直徑的關聯(lián)，加入適合不同區(qū)間的數(shù)據(jù)增強策略，訓練和生成用于預測臨界鑄造直徑的多種的關系模型，并將多種關系模型進行組合，構建最優(yōu)的非晶形成能力評估模型，實現(xiàn)非晶形成能力預測。本發(fā)明提供的方法計算速度快，預測精度高、成本低、周期短，能夠在實驗制備非晶合金前快速、準確地預測臨界鑄造直徑；其中，數(shù)據(jù)集覆蓋元素范圍廣，模型在數(shù)據(jù)集上表現(xiàn)優(yōu)異，使預測方法具有普適性，對于各類非晶合金均適用。

技術特征：

1.基于transformer和表格數(shù)據(jù)轉換的非晶形成能力預測方法，其特征在于，包括以下步驟：

2.根據(jù)權利要求1所述的非晶形成能力預測方法，其特征在于，所述自變量由所述非晶合金組成元素的基本屬性計算生成；生成自變量時，將所述基本屬性相關的參數(shù)進行線性混合規(guī)則、導數(shù)混合規(guī)則、偏差和差分公式進行計算獲得。

3.根據(jù)權利要求2所述的非晶形成能力預測方法，其特征在于，所述原子基本性質(zhì)包括：原子序數(shù)、原子質(zhì)量、基團、周期；所述化學性質(zhì)包括：pauling電負性、mulliken電負性；所述物理性質(zhì)包括：密度、熔點、比熱容。

4.根據(jù)權利要求1所述的非晶形成能力預測方法，其特征在于，生成非晶合金數(shù)據(jù)集前，對基本屬性和非晶形成能力屬性進行歸一化處理，控制屬性取值范圍在0-1之間，構成第一樣本集。

5.根據(jù)權利要求4所述的非晶形成能力預測方法，其特征在于，將所述第一樣本集進行訓練集劃分，包括：將第一樣本集按設定比例劃分為訓練集和測試集；對所述訓練集進行過采樣處理，生成合成數(shù)據(jù)，將所述合成數(shù)據(jù)與訓練集合并為第二數(shù)據(jù)集；其中，所述過采樣處理的算法包括：adasyn、smogn、gn。

6.根據(jù)權利要求5所述的非晶形成能力預測方法，其特征在于，所述將所述合成數(shù)據(jù)與訓練集合并為第二數(shù)據(jù)集時，采用統(tǒng)計參數(shù)評估第二數(shù)據(jù)集的質(zhì)量，判斷數(shù)據(jù)增強處理后數(shù)據(jù)集分布的改善效果，根據(jù)所述第二數(shù)據(jù)集的質(zhì)量確定非晶合金數(shù)據(jù)集；所述統(tǒng)計參數(shù)包括：pcd值、偏度和峰度。

7.根據(jù)權利要求1所述的非晶形成能力預測方法，其特征在于，所述對集成模型進行訓練時，根據(jù)每個模型在預測中的重要性分配權重，將每個模型的預測結果與對應權重相乘再求和，生成訓練預測值。

8.根據(jù)權利要求5所述的非晶形成能力預測方法，其特征在于，所述adasyn算法用于為少數(shù)已有樣本分配不同的權重，補充增加不同數(shù)量的樣本；

技術總結
本發(fā)明公開了基于Transformer和表格數(shù)據(jù)轉換的非晶形成能力預測方法，包括以下步驟：獲取金屬合金樣本中非晶合金組成元素的基本屬性和非晶形成能力屬性；基本屬性指基于實驗或密度泛函理論模擬的元素性質(zhì)，包括：原子基本性質(zhì)、化學性質(zhì)和物理性質(zhì)，非晶形成能力屬性包括臨界鑄造直徑D<subgt;max</subgt;；生成非晶合金數(shù)據(jù)集；其中，數(shù)據(jù)集包括自變量和響應變量，自變量包括元素組成和混合焓H<subgt;mix</subgt;，響應變量為臨界鑄造直徑D<subgt;max</subgt;；定義關系模型，關系模型為三類模型構成的集成模型；使用非晶合金數(shù)據(jù)集對集成模型進行訓練，構建非晶形成能力評估模型。根據(jù)上述技術方案，可以訓練預測臨界鑄造直徑的多種的關系模型，并將多種關系模型進行組合，構建最優(yōu)的非晶形成能力評估模型。

技術研發(fā)人員：梁永超,林元城,程端杰,魏功民,張脂涵,趙佳木,李杰
受保護的技術使用者：貴州大學
技術研發(fā)日：
技術公布日：2024/12/19