一种基于浅层神经网络的多元合金凝固相场模拟加速方法

本发明的一种基于浅层神经网络的多元合金凝固相场模拟加速方法，包括：根据目标多组元合金体系特征构建参数空间；对基于等化学势条件和溶质守恒的准平衡热力学非线性方程组进行求解，生成准平衡热力学条件数据集；构建具有单个隐藏层的人工神经网络模型，分别以参数空间和准平衡热力学条件数据集作为模型的输入和输出，对模型进行训练；求解序参量方程和溶质扩散方程，将当前时间步的相组分、溶质组元成分以及温度输入到通过训练好的人工神经网络模型输出当前时间步的准平衡热力学条件；根据模型输出的准平衡热力学条件，基于热力学相平衡原理计算得出当前时间步的化学驱动力，作为下一个时间步的初始驱动力，并循环迭代直至模拟结束。