Sci. Adv.: 机器学习赋能！兼顾高强度和高延展性的新型铝富集高熵难熔B2合金的成功设计

摘要：在航空航天、汽车和能源等领域，对能够在极端温度和恶劣环境下工作的先进合金的需求日益增长。传统的镍/钴基高温合金虽然具有良好的热稳定性和高温力学性能，但其性能存在固有局限性，如熔点较低。高熵合金（HEAs）的出现为克服这些限制提供了新的可能性，尤其是难熔高熵合金

https://www.science.org/doi/full/10.1126/sciadv.adq0083

在航空航天、汽车和能源等领域，对能够在极端温度和恶劣环境下工作的先进合金的需求日益增长。传统的镍/钴基高温合金虽然具有良好的热稳定性和高温力学性能，但其性能存在固有局限性，如熔点较低。高熵合金（HEAs）的出现为克服这些限制提供了新的可能性，尤其是难熔高熵合金（RHEAs），因其高强度和高温下的延展性而备受关注。

然而，RHEAs的广泛应用仍面临着挑战，例如成本高、密度大和抗氧化性差等。含铝RHEAs（Al-RHEAs）的出现被认为是潜在的解决方案，因其可以降低成本和密度，同时提高抗氧化性和耐腐蚀性。然而，Al-RHEAs的设计也面临着挑战，大多数Al-RHEAs的延展性有限，且易形成脆性金属间化合物（IM）。如何在Al-RHEAs中实现高强度和高延展性的协同是目前研究的重点。

近日，一项发表在《科学进展》（Science Advances）上的研究，展示了如何利用综合计算材料工程（ICME）方法，结合机器学习和第一性原理计算，成功设计出一种兼具高强度和高延展性的新型铝富集高熵难熔B2合金。这项突破性的研究为高温结构材料的开发提供了新的思路。

为了克服传统试错方法的局限性，该研究采用了集成的计算材料工程（ICME）方法，该方法融合了机器学习模型、蒙特卡洛（MC）模拟、从头算分子动力学（AIMD）模拟以及其他计算方法。该研究的主要创新点包括：

全面的合金设计策略：利用机器学习模型，结合精心设计的相图特征，预测Al-X-Y型（X和Y为难熔元素）B2相的形成。

高效的性能预测：使用遗传算法（GA）选择最优的特征组合，建立机器学习模型，用于预测合金的力学性能，如屈服强度和断裂应变。使用有效介质计算（EMC）方法来降低计算负担。

基于蒙特卡洛的实验优化：利用蒙特卡洛模拟来研究B2相的远程有序（LRO），确定原子亚晶格占据，并指导实验合金成分的优化。

第一性原理计算的深入分析：使用密度泛函理论（DFT）计算来分析合金的电子结构，特别是价电子浓度（VEC）与合金延展性的关系，进一步阐明合金脆性的内在机制。

实验验证：通过实验验证，包括X射线衍射（XRD）、扫描电子显微镜（SEM）、透射电子显微镜（TEM）和力学性能测试，来确认计算模型的预测并优化合金成分。

成功设计出单相B2结构的Al-RHEAs：通过ICME模型，研究团队成功筛选并优化了一系列单相B2结构的Al-RHEAs合金，例如Al25Hf25Nb25Ti25，Al20Hf24Nb29Ti27, Al15Hf25Nb32Ti28, Al10Hf20Nb22Ti33V15，它们表现出优异的强度和延展性。

出色的力学性能：这些Al-RHEAs表现出卓越的力学性能，包括高达1.7 GPa的压缩屈服强度，超过50%的压缩断裂应变，以及显著的高温强度保持能力。此外，Al10Hf20Nb22Ti33V15合金的抗拉屈服强度为1.0 GPa，延展性为9%。

揭示了价电子浓度与延展性的关系：该研究强调了价电子浓度（VEC）在决定合金延展性方面的重要性。通过DFT计算，揭示了VEC与合金脆性之间的“VEC谷”，并提出了避免VEC谷以设计出韧性合金的策略。

阐明了铝的作用：该研究发现，铝在原子排序和塑性控制中起着重要作用，并指出减少铝含量可以降低B2相的远程有序（LRO），从而增强延展性。

实验和MC结果协同优化：通过实验和蒙特卡洛模拟的协同，研究人员成功优化了Al20Hf24Nb29Ti27和Al10Hf20Nb22Ti33V15合金，实现了强度和延展性的最佳平衡。