突破1200°C高温性能极限！北京科技大学用机器学习合成24种耐火高熵合金，室温延展性极佳
💡
原文中文，约5500字，阅读约需14分钟。
📝
内容提要
研究提出了一种结合机器学习与遗传搜索的方法，以优化耐火高熵合金（RHEAs）的成分。合成的ZrNbMoHfTa合金在1200°C下展现出接近940 MPa的屈服强度和17.2%的室温延展性，显示出其在高温应用中的潜力。
🎯
关键要点
- 研究提出了一种结合机器学习与遗传搜索的方法，以优化耐火高熵合金（RHEAs）的成分。
- ZrNbMoHfTa合金在1200°C下展现出接近940 MPa的屈服强度和17.2%的室温延展性，显示出其在高温应用中的潜力。
- 耐火高熵合金因在1000°C及以上温度中保持高强度的能力而备受关注。
- 传统镍基高温合金的耐温能力已接近极限，RHEAs的提出为高温结构材料开发提供了新方向。
- 研究团队合成了24种RHEAs，确定Zr0.13Nb0.27Mo0.26Hf0.13Ta0.21合金具有高温应用潜力。
- 研究采用机器学习、遗传搜索、聚类分析和实验反馈的多目标优化框架，寻找最佳合金成分。
- 研究结果表明，优化后的RHEAs在高温屈服强度和室温延展性方面均有显著提升。
- 人工智能在材料学的应用加速了新材料的发现，减少了实验成本和时间。
- DeepMind和微软等公司在材料科学领域的AI模型推动了新材料的快速设计与发现。
➡️
