低温应用合金力学性能数据集：面向氢能、超导与量子技术的材料解决方案

本研究针对低温环境下材料强度与韧性难以兼得的挑战，系统收集了715篇文献中钢、铝、钛及多主元合金（MEAs/HEAs）在1-120 K温度区间的力学性能数据。研究团队创新性结合机器学习（RoBERTa、GPT-3.5/GLM-4）与人工校验，构建了涵盖屈服强度、断裂延伸率等关键参数的标准化数据库（AlloyData-2024LT），为液氢储运、超导磁体等低温技术提供材料设计依据。

　　

在液氢火箭发动机喷管冷却、超导磁悬浮列车等尖端技术领域，材料在零下200℃以下的极端环境中会突然"变脆"——这种现象被称为韧脆转变（DBT），可能引发灾难性断裂。传统材料手册仅提供拟合曲线，而分散的研究数据又存在格式混乱、温度区间割裂等问题。当工程师设计液氢储罐时，他们需要确凿证据证明316不锈钢在20 K下不会发生氢脆；当开发量子计算机时，研究人员必须了解铜基合金在4.2 K的冲击吸收能。这些需求催生了首个系统性整合低温合金力学性能的"数据宝库"。

清华大学工程力学系应用力学实验室的Haoxuan Tang团队在《Scientific Data》发布了涵盖近30年（1991-2024）研究的AlloyData-2024LT数据集。通过自然语言处理模型RoBERTa筛选8,439篇文献，结合GPT-3.5和国产GLM-4大模型提取文本数据，并开发IMageEXtractor工具解析应力-应变曲线，最终建成包含15,000+数据点的结构化数据库。特别值得注意的是，该研究揭示了中/高熵合金（MEAs/HEAs）在20 K下展现的独特强度-韧性平衡，其断裂韧性值（如CrCoNi基合金达280 MPa·m^1/2）远超传统奥氏体钢。

关键技术方法

1）文献获取：通过Web of Science构建"低温+力学性能+合金"关键词组合检索8,439篇文献；

2）数据提取：采用PyMuPDF解析PDF图表，ResNet分类力学性能曲线，GPT-3.5/GLM-4双模型比对提取文本数据；

3）质量控制：建立统一低温合金语言（ULLTA）标准，通过两次人工校验使错误率降至0%。

主要研究结果

材料性能图谱

数据库清晰显示体心立方（BCC）材料（如碳钢）在77 K以下韧性骤降，而面心立方（FCC）结构的300系不锈钢在液氢温度（20 K）仍保持>40%的断裂延伸率。多主元合金FeCoNiCrTi_0.2在4.2 K下展现1.5 GPa屈服强度与15%延伸率的罕见组合。

技术应用关联

液氢温度区（14-20 K）63%数据涉及氢脆研究，其中Al-Mg合金因氢扩散系数低成为储罐候选材料；量子计算所需的mK级环境则聚焦铜/铝的超低热导率数据。

数据质量验证

GLM-4模型在文本提取F1值达91%，但图像分类准确率仅39%，经人工校正后数据完整度评分（基于27项参数权重）提升至97%。

这项研究不仅解决了低温材料数据"碎片化"难题，更建立了FAIR原则（可查找、可访问、可交互、可重用）下的数据共享范式。数据库特别标注了实验条件细节，如"液氦浸泡"与"闭环制冷"两种冷却方式对304不锈钢DBT温度的影响差异达±5 K。这些发现为航天用液氢管路选材、超导磁体结构优化提供了量化依据，其动态更新机制（通过GitHub开源脚本）将持续推动低温材料设计的智能化进程。正如作者Zhiping Xu强调："当量子计算机在10 mK运行时，它的支撑结构材料数据库应该具备同等的可靠性标准。"