64686 2025 eng poster 0 -- -- -- To accelerate high-entropy metal phosphate (HEMP) discovery, we employed a Random Forest regression model within a SLAMD framework. Trained on limited initial data, the model efficiently explored the vast compositional space to predict a novel five-metal phosphate, which was then successfully synthesized and validated experimentally. AI4 Materials Science and Testing 2025 Berlin, Germany 06.11.2025 06.11.2025 publish false true Tomasz Stawski Stephanos Karafiludis Jakob Standl Tom Ryll Alexander Schwab Carsten Prinz Jakob Wolf Sabine Kruschwitz Franziska Emmerling Christoph Völker eng uncontrolled Metal phosphates eng uncontrolled High-entropy eng uncontrolled Sequential learning Ingenieurwissenschaften und zugeordnete Tätigkeiten 6 Materialchemie 6.3 Strukturanalytik 7 Bauwerkssicherheit 8 Zerstörungsfreie Prüfung Material 7.6 Korrosion und Korrosionsschutz Datei im Netzwerk der BAM verfügbar ("Closed Access") Präsentation 8.0 Abteilungsleitung und andere Materialdesign