Design Approaches of High‐Entropy Alloys Using Artificial Intelligence: A Review
Source abstract
Abstract
This review explores the complex process of designing high‐entropy alloys by combining theoretical guidelines, thermodynamic characteristics, and several modeling tools, including artificial intelligence approaches. It tackles issues in the design of high‐entropy alloys, emphasizing the wide composition range, difficulty in forecasting phase stability, and requirement for specialized production techniques. The investigation expands on strategies for creating high‐entropy alloys, emphasizing their benefits and limitations. This article discusses machine learning applications for predicting elastic characteristics, as well as the accompanying challenges and solutions. The future scenario predicts a collaborative world in which machine learning plays a critical role in the data‐driven alloy design of high‐entropy alloys, emphasizing ethical considerations and continual experimental validation for practical advances across industries.
Source: crossref · Quality: baseline
Research context
OpenAlex topics: High Entropy Alloys Studies · Additive Manufacturing Materials and Processes · High-Temperature Coating Behaviors
SciVX discovery tags are terminology-based. OpenAlex topics are source-provided classifications.
Affiliations
Materials Science and Engineering Department Egypt‐Japan University of Science and Technology (E‐JUST) New Borg El‐Arab City 21934 Alexandria Egypt
Mechanical Engineering Department Benha Faculty of Engineering Benha University Benha 13518 Egypt
Department of Metallurgical and Materials Engineering Indian Institute of Technology Ropar Rupnagar 140001 India
Grad. Institute of Ambient Intelligence and Smart Systems National Chung Cheng University Chiayi County 621301 Taiwan ROC
Sardar Beant Singh State University Gurdaspur Punjab 143530 India
References (100+)
Show source-provided references
1. 10.1007/978-3-319-27013-510.1007/978-3-319-27013-5 ↗
2. Prince Sharma N. N. · 2022 · 25
3. 10.1016/j.pmatsci.2020.10075410.1016/j.pmatsci.2020.100754 ↗
4. 10.3166/acsm.31.633-64810.3166/acsm.31.633-648 ↗
5. 10.1016/B978-0-12-816067-1.00010-210.1016/B978-0-12-816067-1.00010-2 ↗
6. 10.1016/j.commatsci.2023.11261210.1016/j.commatsci.2023.112612 ↗
7. 10.1080/2374068X.2023.216626510.1080/2374068X.2023.2166265 ↗
8. 10.1007/s12666-022-02845-610.1007/s12666-022-02845-6 ↗
9. 10.1007/s10853-023-09314-510.1007/s10853-023-09314-5 ↗
10. 10.1002/adma.20231092610.1002/adma.202310926 ↗
11. 10.1016/j.matchemphys.2024.12912010.1016/j.matchemphys.2024.129120 ↗
12. 10.4028/p-84w2s610.4028/p-84w2s6 ↗
13. 10.1002/adfm.20240894110.1002/adfm.202408941 ↗
14. 10.1016/j.jsamd.2024.10068810.1016/j.jsamd.2024.100688 ↗
15. 10.1016/j.jmst.2022.08.04610.1016/j.jmst.2022.08.046 ↗
16. 10.1016/j.apmt.2024.10229610.1016/j.apmt.2024.102296 ↗
17. 10.1016/j.jmst.2022.11.05410.1016/j.jmst.2022.11.054 ↗
18. Jiang D. · J. Mater. Res. Technol. · 2023 · 120 · 607
19. 10.1080/21663831.2023.222439710.1080/21663831.2023.2224397 ↗
20. 10.1016/j.pmatsci.2022.10101810.1016/j.pmatsci.2022.101018 ↗
21. 10.1016/j.msea.2022.14404610.1016/j.msea.2022.144046 ↗
22. 10.1016/j.jmrt.2023.01.05710.1016/j.jmrt.2023.01.057 ↗
23. 10.1016/j.actamat.2023.11904710.1016/j.actamat.2023.119047 ↗
24. 10.1016/j.matdes.2024.11272410.1016/j.matdes.2024.112724 ↗
25. 10.1021/acs.jpcc.4c0230910.1021/acs.jpcc.4c02309 ↗
26. 10.1016/j.matdes.2024.11292910.1016/j.matdes.2024.112929 ↗
27. Komiya Y. · MRS Adv. · 2024 · 815
28. 10.1007/978-3-319-27013-5_1210.1007/978-3-319-27013-5_12 ↗
29. 10.1016/j.actamat.2023.11872810.1016/j.actamat.2023.118728 ↗
30. 10.1038/s43246-024-00487-310.1038/s43246-024-00487-3 ↗
31. 10.1007/s42864-022-00175-010.1007/s42864-022-00175-0 ↗
32. 10.1016/j.jallcom.2023.17122410.1016/j.jallcom.2023.171224 ↗
33. 10.1016/j.commatsci.2024.11291710.1016/j.commatsci.2024.112917 ↗
34. 10.1016/j.mtcomm.2022.10414610.1016/j.mtcomm.2022.104146 ↗
35. 10.1016/j.commatsci.2022.11118510.1016/j.commatsci.2022.111185 ↗
36. 10.1016/j.jmrt.2023.03.14610.1016/j.jmrt.2023.03.146 ↗
37. 10.1016/j.mtcomm.2023.10710210.1016/j.mtcomm.2023.107102 ↗
38. 10.1016/j.jallcom.2023.16932910.1016/j.jallcom.2023.169329 ↗
39. 10.1063/5.006530310.1063/5.0065303 ↗
40. 10.1016/j.jallcom.2022.16457810.1016/j.jallcom.2022.164578 ↗
41. 10.1016/j.matdes.2023.11245410.1016/j.matdes.2023.112454 ↗
42. 10.4028/p-nbmZ4t10.4028/p-nbmZ4t ↗
43. 10.1016/j.actamat.2021.11743110.1016/j.actamat.2021.117431 ↗
44. 10.1016/j.eng.2023.11.02610.1016/j.eng.2023.11.026 ↗
45. 10.1016/j.jbusres.2021.04.07010.1016/j.jbusres.2021.04.070 ↗
46. 10.1080/07317131.2018.142535210.1080/07317131.2018.1425352 ↗
47. J.Piaskowski C. S.Smith Four Outstanding Researches in Metallurgical History C. S. Smith Baltimore 1963: [recenzja]/Jerzy Piaskowski 1966.
48. 10.1016/j.msea.2003.10.25710.1016/j.msea.2003.10.257 ↗
49. 10.1002/adem.20030056710.1002/adem.200300567 ↗
50. 10.1007/s11837-013-0761-610.1007/s11837-013-0761-6 ↗
51. 10.1007/s10853-024-10064-110.1007/s10853-024-10064-1 ↗
52. 10.1016/S1002-0071(12)60080-X10.1016/S1002-0071(12)60080-X ↗
53. Abbaschian R. · 2008
54. 10.1016/j.matchemphys.2007.01.00310.1016/j.matchemphys.2007.01.003 ↗
55. 10.1016/j.matdes.2018.08.06210.1016/j.matdes.2018.08.062 ↗
56. 10.1016/j.intermet.2014.10.01010.1016/j.intermet.2014.10.010 ↗
57. 10.1016/j.jallcom.2009.06.18210.1016/j.jallcom.2009.06.182 ↗
58. 10.1007/s11837-015-1583-510.1007/s11837-015-1583-5 ↗
59. 10.1016/j.jallcom.2009.10.08810.1016/j.jallcom.2009.10.088 ↗
60. 10.1016/j.msea.2011.01.07210.1016/j.msea.2011.01.072 ↗
61. 10.1016/j.matdes.2015.06.07210.1016/j.matdes.2015.06.072 ↗
62. 10.1016/j.jmst.2021.03.02310.1016/j.jmst.2021.03.023 ↗
63. 10.1016/j.jallcom.2021.16180610.1016/j.jallcom.2021.161806 ↗
64. 10.1016/j.carbon.2024.11950310.1016/j.carbon.2024.119503 ↗
65. 10.1016/j.carbon.2024.11904010.1016/j.carbon.2024.119040 ↗
66. 10.1016/j.intermet.2010.05.01410.1016/j.intermet.2010.05.014 ↗
67. 10.1016/j.matlet.2014.05.13410.1016/j.matlet.2014.05.134 ↗
68. 10.1016/j.msea.2015.10.11310.1016/j.msea.2015.10.113 ↗
69. Zhuo L. · J. Mater. Res. Technol. · 2024 · 9 · 2470027
70. 10.1038/s41467-023-38531-410.1038/s41467-023-38531-4 ↗
71. 10.1016/j.matchar.2022.11226510.1016/j.matchar.2022.112265 ↗
72. 10.1016/j.vacuum.2023.11254410.1016/j.vacuum.2023.112544 ↗
73. 10.1016/j.ijrmhm.2023.10640910.1016/j.ijrmhm.2023.106409 ↗
74. 10.1016/j.jallcom.2023.16981810.1016/j.jallcom.2023.169818 ↗
75. 10.1016/j.jallcom.2011.02.17110.1016/j.jallcom.2011.02.171 ↗
76. 10.1007/s40195-022-01382-x10.1007/s40195-022-01382-x ↗
77. 10.1016/j.intermet.2011.01.00410.1016/j.intermet.2011.01.004 ↗
78. 10.1016/j.actamat.2014.01.02910.1016/j.actamat.2014.01.029 ↗
79. 10.1016/j.msea.2012.12.01810.1016/j.msea.2012.12.018 ↗
80. 10.1088/1402-4896/ad1f1810.1088/1402-4896/ad1f18 ↗
81. 10.1080/21663831.2014.98585510.1080/21663831.2014.985855 ↗
82. 10.1007/s11837-014-1113-x10.1007/s11837-014-1113-x ↗
83. 10.1016/j.jmrt.2022.05.10210.1016/j.jmrt.2022.05.102 ↗
84. 10.1016/j.jallcom.2022.16445710.1016/j.jallcom.2022.164457 ↗
85. 10.1007/s11665-023-08996-x10.1007/s11665-023-08996-x ↗
86. 10.1016/j.jallcom.2023.17015310.1016/j.jallcom.2023.170153 ↗
87. Kamal M. · Int. J. Lightweight Mater. Manuf. · 2024 · 7 · 699
88. 10.3390/e1809033310.3390/e18090333 ↗
89. 10.1016/j.micron.2021.10303110.1016/j.micron.2021.103031 ↗
90. 10.1016/j.matlet.2020.12737210.1016/j.matlet.2020.127372 ↗
91. 10.3390/ma1715382610.3390/ma17153826 ↗
92. 10.1134/S1061933X2360064110.1134/S1061933X23600641 ↗
93. 10.3390/ijms2213720210.3390/ijms22137202 ↗
94. 10.1016/j.nanoso.2024.10139110.1016/j.nanoso.2024.101391 ↗
95. Mahan N. K. · J. Teknol. Sci. Eng. · 2024 · 86 · 153
96. 10.3390/coatings1302024610.3390/coatings13020246 ↗
97. 10.1016/S1359-0286(96)80025-810.1016/S1359-0286(96)80025-8 ↗
98. 10.1557/jmr.2018.30610.1557/jmr.2018.306 ↗
99. 10.1016/j.mattod.2015.11.02610.1016/j.mattod.2015.11.026 ↗
100. 10.1016/j.jnoncrysol.2013.01.02210.1016/j.jnoncrysol.2013.01.022 ↗