9. High-Entropy Alloy: Optimal Nanoscale Ballistic Performance

Dieses Kapitel befasst sich mit der Optimierung von AlCoCrFeNi-Hochentropy-Legierungen (HEAs) für eine überlegene ballistische Leistung, wobei eine Kombination aus maschinellem Lernen (ML) und molekulardynamischer Simulation (MD) zum Einsatz kommt. Die Studie konzentriert sich auf die Verbesserung der kinetischen Energieabsorption (ΔKE) durch optimales kompositorisches Design und adressiert die Herausforderungen von Aufschlägen mit hoher Geschwindigkeit. Zu den Schlüsselthemen gehören die Integration der ML-getriebenen Optimierung mit der Charakterisierung von Hochgeschwindigkeitseinschlägen, der Einsatz der bayesianischen Optimierung zur Überprüfung optimaler Zusammensetzungen und die Anwendung von MD-Simulationen zur Bewertung der ballistischen Leistung. Das Kapitel hebt auch die außergewöhnlichen Eigenschaften von HEAs hervor, wie hohe Härte, Zugfestigkeit und Korrosionsbeständigkeit, wodurch sie ideal für Luft- und Raumfahrt, Marine und Hochtemperaturanwendungen sind. Die Ergebnisse zeigen, dass das vorgeschlagene ML-MD-Rahmenwerk effektiv optimale Zusammensetzungen für eine verbesserte ballistische Leistung identifiziert und damit einen vielversprechenden Ansatz für die Materialkonstruktion in stark belasteten Umgebungen bietet.