机器学习设计兼具高强度与高塑性的FeNiCoAlTa多主元合金

为解决高强度合金普遍存在的强度-塑性倒置难题，西安交通大学团队通过领域知识引导的机器学习方法，设计出Fe35Ni29Co21Al12Ta3多主元合金。该材料通过超高体积分数L12纳米沉淀相（66.6%）与可变形B2微米相（15%）的协同作用，实现1.8 GPa屈服强度与25%均匀延伸率的突破性组合，其真应力高达3 GPa，工作硬化率（WHR）持续高于2 GPa，性能超越现有超强钢与高熵合金（HEAs）。

　　

研究背景与意义
金属材料的强度与塑性如同鱼与熊掌，传统合金体系难以兼得。即便是近年来兴起的高/中熵合金（H/MEAs），其强度鲜少突破2 GPa，而达到此强度的超强钢又常因吕德斯带（Lüders bands）或Portevin-Le Chatelier效应导致塑性流动不稳定。这种"高强度必低塑性"的魔咒，严重制约了航空航天、能源装备等领域对材料性能的极致需求。

研究设计与技术路线
西安交通大学团队创新性地将领域知识与主动学习（active learning）结合，通过六步迭代优化（数据收集→物理描述符筛选→模型训练→知识引导空间缩减→效用函数设计→实验验证），从10⁴⁹种可能组合中锁定Fe₃₅Ni₂₉Co₂₁Al₁₂Ta₃成分。采用电弧熔炼→均匀化→冷轧（81%变形量）→再结晶（1100℃/1min）→时效（750℃/1h）工艺链，结合同步辐射小角X射线散射（SAXS）、原子探针层析（APT）、透射电镜（TEM）等技术解析微观结构，通过室温拉伸测试评估力学性能。

主要研究结果

1. 机器学习驱动的成分设计
   通过三轮迭代优化，模型预测与实验验证的屈服强度（σ_y）相关系数达0.98（图1b）。关键物理描述符包括原子尺寸错配度、混合焓、价电子浓度等，最终成分中Ta提升L1₂相的反相界能（γ_APB），Al促进B2相形成。

1. 双相沉淀的微观结构
   APT显示L1₂纳米相（15±3 nm）富含Ta/Ni/Al，B2微米相（350±70 nm）富集Al/Ni（图2e）。SAXS测得L1₂体积分数达66.6±2.3%，创HEAs纪录；WAXS显示FCC/L1₂界面错配应变仅0.24%，而FCC/B2界面达22.8%，后者遵循Kurdjumov-Sachs取向关系：(111)_FCC//(110)_B2。

1. 突破性的力学性能
   最优工艺下（750℃/1h时效），合金呈现1.75 GPa屈服强度、2.4 GPa抗拉强度、25%均匀延伸率（图3a）。其真应力-应变曲线持续高于传统2 GPa级钢材（图3c），σ_UTS×ε_f达60 GPa%，远超同类材料（图3e）。关键机制在于：L1₂相贡献859 MPa强化，B2相通过位错累积提供351 MPa强化；变形中B2相的几何必须位错密度（ρ_GND）增速高于基体（图4d），证实其可变形特性。

结论与展望
该研究通过"机器学习+极端异质结构"策略，首次实现2 GPa级HEAs兼具超级钢的强度与纯金属的塑性。其核心创新在于：①利用多组元化学有序相（MCIPs）降低B2相脆性；②超高密度沉淀相（>80%总体积）协同促进位错存储与再生。该设计范式可推广至其他合金体系，为发展下一代超强韧材料提供新路径。论文发表于《Nature》正刊，被评价为"重新定义了高强度合金的性能边界"。