一个可解释的学习框架，用于利用多模态数据探索NiTi形状记忆合金的超弹性退化现象

《Nature Communications》：An interpretable learning framework for exploring superelastic degradation of NiTi shape memory alloys using multimodal data

　　

摘要

超弹性退化（SED）是指NiTi形状记忆合金在循环载荷作用下的功能逐渐丧失现象，目前仍难以精确表征，这限制了这些合金在工程应用中的普及程度。本研究提出了一种可解释的学习框架，用于预测NiTi合金的SED并利用可解释性分析方法揭示其退化机制。该框架通过多分支架构整合了来自多种来源的微观结构和载荷条件，有效分离并整合了不同类型的特征数据，最终获得了0.981的R2值（表示模型预测能力）。研究发现，在高振幅条件下，SED主要由具有较高Schmid因子的相变占据主导；而在低振幅条件下，{011}〈001〉和{011}〈111〉晶面上的位错滑移更为显著。随后，研究人员量化了Ni₄Ti₃沉淀物的影响，发现其在不同载荷条件下的作用具有不确定性且并非总是有益的。研究结果展示了可解释机器学习技术在探索材料循环变形过程中的潜力，为智能材料领域的人工智能驱动研究奠定了基础。