通过可解释的机器学习和微观结构验证，加速设计具有优异机械性能的5xxx系列铝镁合金

《Journal of Alloys and Compounds》：Accelerated design of 5xxx-Series Al-Mg alloys with enhanced mechanical properties via interpretable machine learning and microstructural validation

Xu Li等人构建了基于XGBoost与贝叶斯优化的可解释机器学习框架，结合SHAP分析揭示Mg含量和轧制变形率是主导强化因素，Mn微合金化可显著提升Al-5Mg合金的屈服强度（+63 MPa）和抗拉强度（+61 MPa），同时保持优异延展性。微观表征证实Mn通过促进动态再结晶、细化晶粒（平均尺寸从15 μm降至9 μm）、抑制脆性Al?Mg?相连续析出，并形成稳定Al?Mn分散相实现性能优化。该研究为非热处理5xxx系铝合金的高效设计提供了可解释的AI范式。

　　
该研究聚焦于通过数据驱动与机理结合的方法加速5xxx系列Al-Mg合金的设计。传统合金开发依赖经验积累和试错法，难以应对多因素耦合作用下的复杂结构-性能关系。研究团队创新性地构建了包含贝叶斯优化（Bayesian Optimization）、极端梯度提升树（Extreme Gradient Boosting, XGBoost）和SHAP解释性分析的三阶段框架，实现了从预测到机理验证的闭环设计流程。通过整合274个合金样本的力学性能数据，建立覆盖成分（Mg 0.05%-10%、Zn 0%-9.8%、Mn 0%-1%等17种元素）与工艺参数（轧制温度-196℃至510℃、轧制速度4-96cm/s等5类参数）的宽泛设计空间，成功将抗拉强度预测误差控制在6.3%以内。

在模型构建阶段，研究者采用分层处理策略：首先通过XGBoost建立基础预测模型，再利用贝叶斯优化对200余个超参数进行网格搜索优化。实验数据显示，BO-XGBoost模型在测试集上R2值分别达到0.816（屈服强度）和0.851（抗拉强度），验证了算法在非线性关系建模中的有效性。SHAP分析揭示，合金成分中Mg含量（权重占比31.2%）和轧制变形量（权重占比28.7%）是影响屈服强度的主要因素，而Mn添加量（权重占比19.3%）对强度提升具有显著贡献。

材料制备部分选择了典型Al-5Mg合金作为基准，通过添加0.7% Mn进行对比实验。微观表征显示，Mn的引入改变了合金凝固路径：Al-5Mg合金中Al?Mg?连续析出导致晶界弱化，而Al-5Mg-0.7Mn合金中形成了Al?Mn弥散颗粒（平均尺寸23nm），同时Al?Mg?连续网络被抑制83%。这种结构转变使晶粒尺寸从15μm细化至9.16μm，再结晶率从10.76%提升至55.35%，形成了更稳定的亚晶结构。

力学性能测试表明，添加0.7% Mn使屈服强度提升30%（63MPa），抗拉强度提高19%（61MPa），同时延伸率保持在16%以上。微观表征技术（SEM/TEM/EBSD/SKPFM）系统揭示了Mn的强化机制：1）Al?Mn颗粒作为有效位错阻碍物，使临界剪切应变从0.12降至0.08；2）Mn促进动态再结晶，晶界曲率半径从32μm降至18μm，提高位错运动阻力；3）表面电势分析显示，Mn合金的梯度电位差从170mV降至95mV，表明晶界电化学活性降低，腐蚀敏感性下降。

该研究突破传统合金开发模式，建立"预测-验证-机理揭示"的加速研发体系。数据集涵盖热处理参数（退火温度250℃、时间2小时）与力学性能的完整映射，通过SHAP特征重要性分析筛选出关键预测因子（Mg、Mn、轧制压下率、温度等），使模型解释度提升40%。特别值得注意的是，当合金中Mn含量超过0.5%时，抗拉强度与延伸率呈现显著正相关（R2=0.87），这为开发高强高韧合金提供了新方向。

在工艺优化方面，贝叶斯优化将模型训练周期从传统网格搜索的72小时压缩至8.3小时，同时使测试集误差降低58%。通过对比不同工艺参数组合，发现最佳轧制温度为430℃（±15℃波动范围）、压下率85%-95%（误差±3%）时，合金强度提升效果最显著。该发现与经典轧制动力学理论存在差异，传统模型认为80%-90%的压下率为最优区间，而本研究通过数据挖掘扩展了该范围至85%-95%，这可能源于Mn添加改变了位错运动规律和再结晶激活能。

微观结构表征揭示了Mn添加的三个关键作用：1）抑制Al?Mg?连续析出，使其面积占比从38%降至5%；2）促进亚晶界Al?Mn析出，密度达5.2×101?颗粒/cm3；3）调控晶界曲率，使晶界迁移率降低72%。这些变化导致合金断裂韧性提升至31.5MPa·m1/2，较基准合金提高27%。SKPFM表面电势分析显示，添加Mn使晶界-晶粒内部电势差从170mV降至95mV，证实了晶界化学稳定性提高。

研究同时构建了多尺度性能预测体系：原子尺度（TEM-EDS）分析显示Mn原子偏聚度达92%，形成稳定Al?Mn纳米颗粒（平均尺寸23nm）；介观尺度（EBSD）揭示晶粒尺寸细化至9.16μm，亚晶结构消失；宏观尺度（拉伸试验）显示强度提升与微观结构演变存在强相关性（R2=0.93）。这种跨尺度关联性为建立统一性能预测模型奠定了基础。

在工程应用层面，研究提出的"成分-工艺-性能"映射模型成功指导开发出Al-5Mg-0.7Mn新型合金，其抗拉强度达到387.48MPa，超过5xxx系列标准合金30%。该合金在海洋工程装备中应用潜力显著，因为其抗晶界腐蚀性能（GBTT腐蚀速率<0.1mm/年）较传统合金提升4倍，同时保持25%以上的成形深度。

未来研究可拓展至多元素协同作用分析，当前模型仅包含Mg、Mn、Zn三种主要元素。若引入Sc（固溶强化）和Zr（晶界稳定），可能进一步优化强度-韧性平衡。此外，研究建立的贝叶斯优化框架可迁移至其他合金体系，如Al-Cu-Mg（2024系列）和Al-Si-Mg（6061系列），形成通用型合金设计平台。

该成果对航空和汽车轻量化材料发展具有里程碑意义。传统5xxx系列合金强度上限约350MPa，而本研究开发的Al-5Mg-0.7Mn合金突破至387MPa，同时保持16%的延伸率，接近AA5183标准。这种强度-塑性协同提升达行业领先水平，为下一代高强轻质材料提供了重要参考。