鑄造鋁合金由于密度小、鑄造流動性好、可塑性強等優(yōu)點廣泛應(yīng)用于汽車、航空航天和機械制造等重要領(lǐng)域。工業(yè)生產(chǎn)中，通常會在鑄造鋁合金中添加堿土金屬Sr來細化合金微觀組織以改善合金綜合力學性能。然而，采用傳統(tǒng)的“試錯法”難以實現(xiàn)高效的Sr改性鑄造鋁合金的成分設(shè)計。因此，如何對合金進行前期設(shè)計，預測合金微觀結(jié)構(gòu)和性能，以高效開發(fā)具有優(yōu)異性能的鑄造鋁合金對工業(yè)生產(chǎn)具有重大指導意義！

針對以上問題，中南大學張利軍教授團隊提出一種高效的合金設(shè)計新策略：耦合計算熱力學方法和機器學習技術(shù)，高效設(shè)計了A356鑄造鋁合金中Sr的最佳添加量，深入探討了Sr改性鑄造鋁合金的強韌化機理。相關(guān)論文以題為“Efficient alloy design of Sr-modified A356 alloys driven by computational thermodynamics and machine learning”發(fā)表在材料科學期刊Journal of Materials Science & Technology上。論文共同第一作者為中南大學的博士生易旺和碩士生劉光琛，通訊作者為中南大學的張利軍教授和高建寶博士，合作者包括桂林電子科技大學的盧照副研究員。

論文鏈接： https://doi.org/10.1016/j.jmst.2021.09.061

該項研究工作以Al-Si-Mg-Sr四元體系為研究對象，首先統(tǒng)一了Al-Si-Mg-Sr四元體系所有邊界二元系的熱力學描述，通過CALPHAD方法更新了Al-Mg-Sr三元體系的熱力學參數(shù)，并重現(xiàn)了Al-Mg-Sr三元體系熱力學相圖（見圖1）；結(jié)合熱力學外推方法建立Al-Si-Mg-Sr四元系熱力學數(shù)據(jù)庫，并通過制備關(guān)鍵合金，結(jié)合微結(jié)構(gòu)表征和熱效應(yīng)分析驗證所建立四元系熱力學數(shù)據(jù)庫的可靠性（見圖2）。

圖1. Al-Mg-Sr三元體系計算相圖：（a）Al35Mg65-Al7Mg13Mg80(in wt.%)計算垂直截面；（b）10 wt.%Sr計算垂直截面；（c）Al-Mg-Sr三元體系400oC計算等溫截面；（d）計算與實驗相轉(zhuǎn)變溫度對比圖，對角實線上，計算結(jié)果與實驗數(shù)據(jù)完全一致。

圖2. Al-Si-Mg-Sr四元體系熱力學數(shù)據(jù)庫構(gòu)筑及驗證：（a）A356-xSr(in wt.%)計算垂直截面與DSC升溫型號對比；（b）A356-xSr(in wt.%)計算凝固相圖與DSC降溫型號對比。

隨后，集成計算熱力學、機器學習技術(shù)和關(guān)鍵實驗，高效設(shè)計了A356鑄造鋁合金中Sr的添加量（見圖3）。基于可靠的熱力學數(shù)據(jù)庫，采用課題組前期開發(fā)的新型機器學習加速的分布式任務(wù)管理系統(tǒng)(Malac-Distmas)進行高通量的平衡相圖計算和非平衡凝固模擬，高效構(gòu)筑A356合金隨Sr含量變化的凝固相圖及其相/組織分數(shù)圖，進而建立了合金成分與微結(jié)構(gòu)之間的定量關(guān)系；同時，將實驗和計算微結(jié)構(gòu)信息及測定力學性能作為機器學習ANN模型的輸入數(shù)據(jù)集，篩選機器學習模型參數(shù)，獲取合金成分—微結(jié)構(gòu)—性能間的定量關(guān)系，高效地確定A356合金中Sr的最佳添加量為0.005 wt.%，隨后通過關(guān)鍵力學性能測定及微結(jié)構(gòu)表征驗證合金理論設(shè)計的可靠性（見圖4）。

圖3.耦合計算熱力學，機器學習和關(guān)鍵實驗進行Sr改性鑄造鋁合金成分設(shè)計的研究策略。

圖4. Sr改性A356合金設(shè)計：（a）通過計算熱力學構(gòu)建的合金成分-微結(jié)構(gòu)定量關(guān)系;（b）基于計算微結(jié)構(gòu)信息和實驗測定力學性能，采用機器學習技術(shù)預測的Sr改性A356合金力學性能；（c）綜合力學性能因子及代表性實測微結(jié)構(gòu)信息；（d）實驗驗證預測A356鋁合金中Sr的最佳添加量為0.005wt.%。

最后，通過對比分析了計算熱力學和機器學習技術(shù)的優(yōu)缺點，并通過數(shù)據(jù)挖掘技術(shù)深入挖掘Sr改性A356合金的強韌化機制，發(fā)現(xiàn)合金強度的提升主要來自于合金共晶組織的貢獻，而合金塑性的提升主要來自于合金中的初晶(Al)和軟質(zhì)相Al2Si2Sr的貢獻（見圖5和圖6）。

研究工作為工業(yè)鑄造鋁合金的成分設(shè)計及強韌化機理的全面研究提供了一種可行方案。

圖5.通過機器學習技術(shù)建立合金力學性能與合金微結(jié)構(gòu)關(guān)系，挖掘合金強韌化機理：（a）初晶(Al)；（b）共晶（Al）；（c）共晶(Si)；（d）Al2Si2Sr相。斜率為正表示性能與微結(jié)構(gòu)呈正相關(guān)，斜率為負表示性能與微結(jié)構(gòu)呈負相關(guān)。

圖6.通過計算熱力學分析驗證機器學習所挖掘的合金強韌化機理：（a）A356-xSr合金計算生長抑制因子；（b）A356-xSr合金計算凝固相圖；（c）A356-xSr合金成分-組織關(guān)系圖；（d）第一性原理計算的（Al）、（Si）和Al2Si2Sr相的體積模量。

審核編輯 ：李倩