研究进展：北科大谢建新院士团队 - 通过机器学习筛选高强高导金属材料学术资讯

来源：今日新材料

固溶强化导电铜合金（SSCA）是一类工程用合金，由于其优异的力学和导电性能而被广泛用于电气铁路接触线和其他领域。然而通过合金化元素来进一步改善其机械强度和电导率的组合是具有挑战性的。

机器学习已越来越多地用于指导材料的设计。以前采用数据驱动的方法来建立面向性能的合金成分设计系统MLDS，从而实现了高性能铜合金的逆成分设计。许多现有的机器学习工作都将特定元素的数量用作输入或输出，以建立用于预测和设计结构和特性的组成-属性回归模型。如果我们可以将元素的一组物理和化学特征确定为决定合金的微观结构和性能的关键因素，则可以使用它们来筛选和设计具有所需性能或显着改善的性能的合金。

基于此，北京科技大学谢建新院士团队使用机器学习方法来筛选合金元素，而不是使用不同的合金元素进行反复试验，以显著增强其强度和导电性的组合。这项工作通过基于机器学习确定的一组关键元素特征，对元素进行成分筛选和合理设计了合金。通过制备具有筛选的合金成分的合金并通过实验测量其性能来验证这种方法。通过制备四种In含量小于0.7wt％的新型铜合金，这一预测在实验上得到了验证。这些合金在退火状态下的极限拉伸强度和电导率在262MPa至298MPa和68.5％IACS至90.4％IACS的范围内，可与目前用于电气化铁路接点电线的中强度高导电性Cu-0.28Ag合金相媲美。所确定的与铜合金的极限抗拉强度和电导率有关的三个关键元素特征，有望普遍适用于确定合金元素，以改善其他固溶体强化导电合金的性能。

文献链接：
Dramatically Enhanced Combination of Ultimate Tensile Strength and Electric Conductivity of Alloys via Machine Learning Screening，Acta Materialia，2020。
https://www.sciencedirect.com/science/article/pii/S135964542030762X

原文链接：

https://zhuanlan.zhihu.com/p/259360899?utm_source=wechatMessage_article_bottom

来源：gh_d06fa4463e84 今日新材料

原文链接：http://mp.weixin.qq.com/s?__biz=MzkwMTEzMjE5OQ==&mid=2247485078&idx=2&sn=d4b3cae5efa11143aab7068bc9ee4449&chksm=c0b83c5ef7cfb5486a8e3f75a49fdba51b5a8d55167aa39da5c2d4a5118ee2105fc7253bc7ea&scene=27#wechat_redirect

电话：（010）86409582

邮箱：kejie@scimall.org.cn