2025年6月18日，Nature在线发表了西安交通大学马恩教授、孙军院士和张金钰教授课题组的研究论文，题目为《Machine-learning design of ductile FeNiCoAlTa alloys with high strength》，论文的第一作者为Yasir Sohail。
几个世纪以来，人们一直在追求坚固且塑性的合金。然而，对于迄今为止开发的所有合金，包括最近的高熵合金，那些具有良好拉伸塑性的合金在室温下很少达到2 GPa的屈服强度。少数能做到的大多是超强钢；然而，它们的应力-应变曲线呈现出平台和锯齿状，因为它们的拉伸流动存在塑性不稳定性（如Lüders应变），延伸率充其量是赝均匀的。
在此研究中，作者报道了一组经过精心设计的多主元合金，其成分为Fe35Ni29Co21Al12Ta3，通过基于领域知识的机器学习设计，可以加工达到前所未有的高强度和塑性。这种协同作用的一个例子提供1.8 GPa的屈服强度和25%的真正均匀延伸率。通过将微观结构的不均匀性推向极致，不仅通过共格L12纳米沉淀物，而且通过非共格B2微粒的异常大体积分数，实现了强化。后者是多组分的，化学有序能降低，是一种可变形相，在内部积聚位错，有助于维持高应变硬化率，延长均匀延伸率。
这项研究的合金设计策略，通过积极学习指导重合金化和大量沉淀物，包括塑性（和可加工硬化）的第二相，有望适用于其他合金体系。这推动了力学性能的极限（朝向强度-塑性空间的右上角），并扩展了高要求应用的材料选择范围。
图1 基于领域知识的机器学习模型用于发现超强塑性的FeNiCoAlTa高熵合金(HEAs)
图3 Fe35Ni29Co21
Al12Ta3 HEA05合金的力学性能
Sohail, Y., Zhang, C., Xue, D. et al. Machine-learning design of ductile FeNiCoAlTa alloys with high strength. Nature, 2025. https://doi.org/10.1038/s41586-025-09160-2
【其他相关文献】
【注】：小编水平有限，若有误，请联系修改；若侵权，请联系删除！
