铸造铝合金因其优异的综合性能广泛应用于航空航天、汽车、电子、建筑等工业领域。合金化/微合金化和热处理是调控合金组织结构、提高合金力学性能的最常用措施。随着社会需求增加，对材料性能的需求与日俱增，仅通过传统“试错法”进行新型铸造铝合金的开发面临巨大挑战。因此，如何对材料进行前期的理论设计，建立合金“成分-工艺-组织-性能”间的定量关系，实现高性能铸造铝合金的高效开发对工业生产具有重大指导意义！
针对以上问题，中南大学的张利军教授团队指出：以相图计算(CALPHAD)为基础的计算热力学和数据驱动的机器学习技术相结合是实现高性能铸造铝合金设计的有效方法。相关综述论文以题为“Boosting for concept design of casting aluminum alloys driven by combining computational thermodynamics and machine learning techniques”发表在材料科学期刊Journal of Materials Informatics上。论文第一作者为中南大学的博士生易旺，通讯作者为中南大学的张利军教授和高建宝博士，合作者包括美国伍斯特理工学院的刘光琛博士。
论文链接：
https://doi.org/10.20517/jmi.2021.10
论文首先综述了计算热力学方法和机器学习技术在铝合金设计中的研究现状，指出计算热力学方法和机器学习技术在合金设计中的作用，如图1所示。通过计算热力学方法分析合金成分及工艺参数(如温度和时间)对合金铸造性能、晶粒细化、组织改性、固溶强化、析出硬化和热处理机制等的影响规律，构建合金成分-工艺-组织间的定量关系；与此同时，使用机器学习技术提高计算热力学的计算效率，提升数据处理能力。此外，结合实测力学性能数据，建立机器学习数据集，训练合金成分与力学性能的关联性，进一步建立合金成分-工艺-组织-性能间的定量关系，筛选合金成分，优化制备工艺，实现高性能铸造铝合金的高效设计开发。
图1 计算热力学方法结合机器学习技术构建合金“成分-工艺-组织-性能”间定量关系，实现铸造铝合金高效设计
随后，论文介绍了计算热力学方法和机器学习技术的核心要点：热力学数据库和机器学习结构。简要介绍了可用的商业/公开铝合金热力学数据库、用户自定义热力学数据库、机器学习技术组成元素和机器学习使用条件。为使用计算热力学方法和机器学习技术进行材料设计提供先决条件。
接着，作者们对计算热力学方法和机器学习技术驱动的不同铸造铝合金的设计进行了系列成功案例研究，包括传统应用、计算热力学驱动的Sc改性Al-Si-Mg系列合金设计、以及计算热力学和机器学习协同驱动的Sr改性A356合金设计，如图2所示。同时，作者们指出：耦合计算热力学方法和机器学习技术不仅能实现合金成分及工艺的高效设计，还能辅助分析合金的强韧化机理。
图2 计算热力学和机器学习驱动的高性能Al-Si-Mg铸造铝合金成分/工艺设计及强韧化机理研究示例
最后，作者指出计算热力学和机器学习协同技术在铝合金中的应用前景，如图3示。（1）耦合计算热力学和机器学习，应用机器学习加速分布式任务管理系统（Malac-Distmas），提高合金设计效率，加快合金设计进程。（2）将该方法推广到合金热处理机制的设计，实现合金热处理工艺的个性化开发。（3）将该方法拓展到不同的制备工艺，如增材制造领域、高压铸造等领域。
研究工作为推进铸造铝合金的高效设计带来了光明前景。
图3 计算热力学和机器学习协同驱动铝合金设计的应用前景示例
通讯作者：
张利军，博士，中南大学教授，博士生导师。德国洪堡学者、中南大学升华学者特聘教授、湖南省湖湘青年英才、湖南省杰出青年基金获得者。主要从事计算热、动力学及其驱动的材料设计与制备领域研究工作。近年来主持国家级项目15项，省、校级和企业横向课题10余项。目前担任国内外10种杂志编委/青年编委（包括Advanced Powder Materials、Journal of Magnesiumand Alloys、Journal of MaterialsInformatics、JMM-B、Materials、Metals等）。累计在npj ComputationalMaterials、Acta Materialia等40余种材料领域期刊上发表第一/通讯作者论文130余篇，在国际会议上做大会邀请/口头报告30余次，组织/共同组织重要国际会议3次、国内会议6次。作为主编在瑞士出版专著1本，出版专著章节3部。已授权中国发明专利2项、中国软件著作权2项。课题组主页：https://www.ppmgroupcn.com/
*感谢论文作者团队对本文的大力支持。
