机器学习在开发新型多组元高熵合金中的应用具有显著的创新性。传统合金设计依赖于经验法则和试错法，这种方法不仅耗时耗力，而且难以探索复杂的成分和微观结构空间。机器学习通过构建预测模型，能够快速分析大量的实验数据，识别出影响合金性能的关键因素，并预测新的合金成分。本文报告了一种高熵合金，其成分为Fe35Ni29Co21Al12Ta3，通过领域知识驱动的机器学习设计，可以加工以达到前所未有的高强度和高韧性同时存在的范围。这种协同作用制备的合金具有1.8吉帕的屈服强度，同时还具有25%的真实均匀延伸率。通过将微观结构的异质性推向极致来实现强化，这不仅包括大量共格的L12纳米析出相，还包括大量非共格的B2微粒。后者是多组分的，具有降低的化学有序化能，是一种可变形相，它在内部积累位错以帮助维持高应变硬化率，从而延长均匀延伸。来自西安交通大学的孙军教授、马恩教授和张金钰教授为共同通讯作者，相关研究成果以“Machine-learning design of ductile FeNiCoAlTa alloys with high strength”为题目，发表在国际顶级期刊Nature上。