高熵合金 (HEA) 具有理想的物理和化学特性，例如高抗拉强度、耐腐蚀和抗氧化性，使其适用于广泛的应用。HEA 是最近的发展，其合成方法是一个活跃的研究领域。但在合成这些合金之前，有必要预测会导致 HEA 的各种元素组合，以加快和降低材料研究的成本。这样做的方法之一是归纳法。

归纳方法依赖于理论推导出的“描述”和从实验数据拟合的参数来表示特定元素组合的合金并预测它们的形成。由于依赖于数据，这种方法只与数据一样好。然而，关于 HEA 形成的实验数据往往是有偏见的。此外，不同的数据集可能无法直接进行集成比较，这使得归纳方法具有挑战性和数学难度。

这些缺点促使研究人员开发了一种新颖的循证材料推荐系统 (ERS)，该系统无需材料描述符即可预测 HEA 的形成。在Nature Computational Science 上发表的一项合作研究中，来自先进科学技术研究院 (JAIST)、国家材料科学研究所、国家先进工业科学技术研究院、 HPC SYSTEMS Inc. 和法国孔比涅技术大学引入了一种方法，将材料数据合理地转化为关于材料成分之间相似性的证据，并结合这些证据得出关于新材料特性的结论。

关于他们解决这个问题的新方法，Hieu-Chi Dam 教授说：“我们开发了一个数据驱动的材料开发系统，该系统使用证据理论从多个数据源收集有关潜在材料成分的合理证据，即线索表明存在未知成分的可能性，并根据这一证据提出新材料的成分。”

他们的方法的基础如下：现有合金中的元素最初被化学上相似的对应物取代。新取代的合金被认为是候选材料。然后，使用收集到的关于材料成分之间相似性的证据来得出关于这些候选者的结论。最后，对新替代的合金进行排名以推荐潜在的 HEA。

研究人员使用他们的方法推荐基于 Fe-Co 的 HEA，因为它们在下一代高功率设备中具有潜在的应用。在所有可能的元素组合中，他们的方法推荐一种由铁、锰、钴和镍 (FeMnCoNi) 组成的合金作为最可能的 HEA。以此信息为基础，研究人员成功合成了 Fe0.25Co0.25 Mn0.25Ni0.25 合金，证实了他们方法的有效性。

新开发的方法是一项突破，为合成各种材料铺平了道路，无需像 Dam 教授解释的那样大而一致的材料属性数据集，“我们的系统不会强行合并来自多个数据集的数据，而是合理地考虑每个数据集作为证据来源，并结合证据合理得出推荐HEA的最终结论，其中不确定性可以量化评估。”

在进一步研究功能材料的同时，Dam 教授及其团队的研究结果对计算科学和人工智能领域也做出了重大贡献，因为它们允许以数据驱动的方式对决策中的不确定性进行定量测量。