一种基于机器学习的高韧性非晶合金成分设计方法和系统

一种基于机器学习的高韧性非晶合金成分设计方法和系统，方法步骤如下：（1）根据历史数据建立数据集；（2）将数据划分为训练集和测试集；（3）对数据进行归一化处理；（4）创建各种机器学习模型；（5）在模型中对训练集拟合，调整超参数获得最优的机器学习模型；（6）在模型中对测试集进行预测；（7）定量评估各种模型的表现，对比获得最优模型；（8）输入成分元素获得断裂韧性，进行实验验证。本发明通过挖掘已有大量关于非晶合金成分与断裂韧性的数据，采用机器学习技术解锁“成分‑性能”之间隐式复杂关系，实现根据性能要求快速、准确设计合金成分。本发明提高了高韧性非晶合金成分设计的效率，试错成本低、适应性强。