利用数据科学优化高温Nb-Si合金的断裂韧性与高温强度

《Nature Communications》：High temperature Nb-Si alloys using data science: optimization of fracture toughness and high-temperature strength

　　

摘要

高温Nb-Si基合金面临着一个关键挑战：在保持高温强度的同时，还需具备足够的室温断裂韧性（＞18 MPa·m^1/2），而这两者往往难以兼顾。在此，我们通过机器学习引导的合金设计方法解决了这一固有矛盾，采用三步特征筛选策略从200个初始特征中筛选出6个关键特征。SHAP分析揭示了熔化焓和原子半径的不匹配如何影响合金性能，从而使得我们能够利用NSGA-II算法进行针对性的多目标优化。经过优化的Nb-12.26Si-21.35Ti-1.98Al-1.96Cr-0.51Hf-4.34Zr-4.35V合金，其铸态断裂韧性可达18.92 MPa·m^1/2，同时在1250°C下仍能保持322 MPa的强度，这一性能超过了所有已报道的铸态Nb-Si合金。微观结构分析表明，优异的性能源于纳米级γ′-Nb₅Si₃相的均匀分布，以及在该相与晶格失配度为67.6%的相界处产生的裂纹偏转效应。我们的研究结果表明，将机器学习技术与机理理解相结合，可加速高温材料的发现进程。