数据增强辅助机器学习加速高强轻质抗凝固裂纹铝锂合金的发现

《Advanced Composites and Hybrid Materials》：Data augmentation-assisted machine learning for accelerated discovery of high-strength lightweight alloys with enhanced solidification cracking resistance

本研究针对Al-Li合金存在的强度与抗凝固裂纹性能间的固有矛盾，采用数据增强辅助的机器学习策略，通过SMOGN和CVAE算法扩充数据集，结合SHAP可解释性分析，成功设计出屈服强度达412 MPa且裂纹体积仅39 mm3的新型合金，突破了传统合金设计中强度与抗裂性难以兼得的瓶颈，为航空航天领域高性能轻质材料开发提供了新范式。

　　

在航空航天领域，减重永远是追求的目标。铝锂合金以其低密度、高比强度的独特优势，成为制造轻量化结构的理想材料。每增加1%的锂含量，合金密度降低约3%，弹性模量提高约6%，这一特性让工程师们为之着迷。然而，这类材料在铸造过程中极易产生凝固裂纹，严重制约了其工程化应用。更令人困扰的是，提高合金强度的元素往往加剧裂纹敏感性，而形成抗裂性能的成分又可能导致强度下降，这种"鱼与熊掌不可兼得"的困境，成为困扰材料学家数十年的难题。

传统合金研发依赖"试错法"，不仅周期长、成本高，在复杂的多组分系统中更是举步维艰。随着人工智能技术的兴起，机器学习为材料研发带来了新希望。但高质量实验数据的稀缺成为制约模型精度的关键瓶颈。正是在这样的背景下，来自国防科技创新研究院和上海交通大学的研究团队在《Advanced Composites and Hybrid Materials》上发表了创新性研究成果，他们巧妙地将数据增强技术与机器学习相结合，成功破解了高强韧铝锂合金的设计难题。

研究团队首先建立了包含59组实验数据的数据库，涵盖Al-Li-Cu-Mg-Zr-Sc六种关键元素的成分信息及其对应的屈服强度和裂纹体积。面对小样本挑战，他们系统比较了九种机器学习算法，发现线性回归在抗过拟合和预测稳定性方面表现最佳，因而选作基础模型。

为突破数据量限制，研究采用了两种数据增强策略：SMOGN通过引入高斯噪声生成合成数据，CVAE则利用条件变分自编码器在潜在空间中生成新样本。通过参数优化，SMOGN在7个最近邻和0.4扰动水平下达到最佳增强效果，生成了47个高质量合成数据点。SHAP可解释性分析揭示了元素作用的物理机制：Cu和Sc对强度提升贡献最大，而Sc和Li则主导抗裂性能，其中Sc始终抑制裂纹，Li在超过2%后显著增加裂纹敏感性。

在约束条件下，三种增强策略分别给出了最优成分设计：基础线性回归模型推荐Al-2Li-1.5Cu-1.9Mg-0.1Zr-0.2Sc，SMOGN推荐Al-2Li-2.3Cu-1Mg-0.1Zr-0.2Sc，CVAE推荐Al-2Li-2.8Cu-0.5Mg-0.1Zr-0.2Sc。实验验证表明，SMOGN设计的合金表现最为出色，屈服强度达412 MPa，延伸率5.6%，裂纹体积39 mm3，实现了强度与抗裂性的最佳平衡。

微观机制研究表明，Cu/Mg比值对析出行为具有决定性影响。在低Cu/Mg比（0.8）的合金中，粗大Al₂CuMg相在{210}_Al晶面析出，与强化相Al₂CuLi竞争Cu原子，降低其析出密度，同时在界面处产生应变集中，导致塑性下降。而高Cu/Mg比（5.6）合金中，Mg含量不足又会影响Al₂CuLi的形核效率和稳定性。密度泛函理论计算显示，Mg在Al₂CuLi中优先占据Li位点，增强界面电子局域化函数，提高析出相稳定性，这一发现从电子层面解释了Mg对析出行为的调控机制。

关键技术方法包括：基于文献收集建立59组Al-Li合金性能数据集；比较九种机器学习算法并选择线性回归作为基础模型；采用SMOGN和CVAE两种数据增强方法扩充数据集；利用SHAP分析元素作用机制；通过X射线计算机断层扫描定量评估裂纹体积；结合扫描电镜、透射电镜和密度泛函理论计算揭示微观机理。

模型筛选结果表明，在有限数据条件下，复杂模型如梯度提升和XGBoost虽然训练集表现优异，但存在严重过拟合。线性回归在屈服强度预测中测试集R2达0.908，裂纹体积预测R2为0.658，展现出最佳泛化能力。

数据增强效果显示，SMOGN生成的样本有效扩展了特征空间覆盖范围，而CVAE由于二维潜在空间的限制和性能约束条件，生成样本多样性不足。增强后模型在保持预测精度的同时，提升了对新成分的探索能力。

性能前沿预测表明，三种增强策略推演的优化成分在Li、Zr、Sc含量上高度一致，主要差异体现在Cu/Mg比值。CVAE模型预测的合金强度最高，但实验验证显示其预测偏差最大。

SHAP分析明确了元素作用机制，Cu是主要强化元素，Sc在0.15-0.20%范围内强化效果最显著，同时Sc也是最重要的抗裂元素。Li在超过2%后急剧增加裂纹敏感性，这解释了优化设计中将Li控制在2%左右的原因。

实验验证中，X射线计算机断层扫描定量分析显示，SMOGN设计的合金裂纹体积为39 mm3，接近预测值。显微结构分析表明，该合金中Al₂CuLi相分布均匀密集，平均直径92.8 nm，而低Cu/Mg比合金中出现粗大Al₂CuMg相，高Cu/Mg比合金中Al₂CuLi相稀疏。

力学性能测试证实，SMOGN设计的合金屈服强度412 MPa，延伸率5.6%，性能优于现有报道的高抗裂Al-Li合金。强度贡献分析显示，Al₃Li相提供约174 MPa强化，Al₂CuLi相贡献195 MPa，后者是性能差异的主要来源。

研究通过数据增强与机器学习的有机结合，成功突破了铝锂合金强度与抗裂性的传统矛盾，为高性能轻质材料设计提供了新思路。该方法不仅适用于铝锂合金，还可推广至其他材料体系，具有重要的科学意义和工程价值。特别是SHAP分析揭示的元素作用机制和Cu/Mg比值对析出行为的影响规律，为多元合金设计提供了重要理论指导。