分享一篇 Mater. Today Commun.：机器学习辅助预测高熵合金/石墨烯纳米复合材料的力学性能。
感谢论文的原作者！
================================
主要内容
================================
================================
Figure 1
Figure 2
Figure 3
Figure 4
Figure 5
Figure 6
Figure 7
Figure 8
Figure 9
Figure 10
================================
以上是我们分享的一些经验或者文章的搬运，或有不足，欢迎大家指出。若留言未回复，重要的消息可以留言再提醒一下，因为超过48小时不可回复。
如有侵权，请联系我们立马删除！
文章题目：
Machine learning–assisted prediction of mechanical properties of high-entropy alloy/graphene nanocomposite
文章链接：
https://www.sciencedirect.com/science/article/pii/S2352492824016441?via%3Dihub
👇
【解读文献】中南大学龙孟秋团队 ACS Appl. Electron Mater.: 解耦热电系数诱导的双层黑砷烯的高热电性能
【文献分享】J. Phys. Chem. C：利用计算和数据驱动的方法揭示高熵合金电催化剂氧还原的反应起源 【文献分享】Comp. Mater. Sci. ：MD 研究纳米晶Ni和FeCoCrNi高熵合金长时间辐照过程中缺陷的产生和积累
【文献分享】J. Chem. Theory Comput.：利用反应力场研究金属和金属氧化物的熔点和晶体生长动力学：铝和氧化铝
【文献分享】ACS Appl. Mater. Interfaces：用于预测复杂热电材料中超低导热率和高 ZT 的机器学习
【文献分享】J. Phys. Chem. Lett. ：使用团簇 Graph Attention 网络加速大型银簇的全局搜索
