重磅！西安交通大学，今日Nature！

对坚固且具延展性的合金的探索，已持续数百年。

然而，迄今为止所开发的所有合金——包括近年来的高熵合金——在室温下具有良好拉伸延展性的材料，其屈服强度很少能接近2 GPa。

极少数能够达到这一强度的材料，且大多为超高强度钢，但这类钢的应力–应变曲线通常出现平台区和锯齿状波动，因为其拉伸变形过程中存在塑性不稳定（如吕德斯带），其延展性充其量也只是“准均匀”。

在此，来自西安交通大学的张金珏、孙军&马恩等研究者报道了一类经过精密设计的多主元素合金（Fe₃₅Ni₂₉Co₂₁Al₁₂Ta₃），其成分通过融合专业知识的机器学习方法获得。相关论文以题为“Machine-learning design of ductile FeNiCoAlTa alloys with high strength”于2025年06月18日发表在Nature上。

金属合金因其在极端工况下的卓越强度而备受青睐，尤其适用于严苛的结构应用。目前最先进的块体合金，其屈服强度（σ_y）已可达到约2 GPa，同时保有一定拉伸延展性（应变ε超过8%）。

例如，部分超高强度钢（如含碳量约为0.18–0.47 wt%的中锰变形-分配（D&P）钢）已实现这种强度–延展性的协同表现。

然而，这类钢的加工硬化能力不足，因此常伴随明显的吕德斯带或Portevin–Le Châtelier带现象。

因此，常规单轴拉伸测试中所报告的“均匀伸长率”（ε_u）往往由碳溶质诱导的应变带主导，属于锯齿状塑性流动，而非真正意义上的均匀延展性。

若吕德斯带消失（如部分2 GPa级马氏体时效钢中所见），其εu也仅有约3.8%。

要想在高强度（σ_y）与大均匀延展性（ε_u）之间取得更优平衡，一个潜在路径是探索近年来兴起的高/中熵合金（HMEAs），通过引入多种主元素形成复杂组分合金体系。

然而，这一策略尚未兑现预期。尽管已有大量基于面心立方（FCC）主相、具高延展性与韧性的高熵合金（HEAs）被开发，但它们的屈服强度普遍偏低。

除了溶质原子（或局部化学有序，LCO）、晶界与孪晶界外，纳米析出相被认为是提升强韧性的关键机制，例如在铝合金、钢和镍基高温合金中，这些纳米析出相可作为位错障碍源与缠结源，从而提高应变硬化能力。

但遗憾的是，当前这类纳米析出强化的HEAs的屈服强度通常低于1.2 GPa，其根本原因在于多组分金属间化合物（MCIPs）的体积分数普遍不足（<55%）。

尽管已有异质结构的CoCrNi合金通过复杂工艺（如77 K下的低温轧制）实现了约2 GPa的屈服强度与13%的均匀延展性，但这类合金难以工业推广。

另一些报道的“高延展性”HEAs，其实多数由吕德斯带贯穿整个试样标距所致，如一例具层状结构的各向异性合金（Ni₁.₅FeCoCr₀.₅）₈₇.₅Al₇.₅Ti₅.₀，虽报告ε_u达16%、σ_y为2 GPa、极限强度（σUTS）为2.1 GPa，但其应变过程并不均匀；再如VCoNi中熵合金也实现了2 GPa的σ_y，但其应力–应变曲线起始即为吕德斯应变主导。

此外，尽管一些合金（如FeNiCoAlTaB体系）尝试引入非相干B2析出相与L1₂共存以增强强度，但其B2含量远未达到理想值，最终σ_y仅约1 GPa、σ_UTS约1.4 GPa，尽管ε_u可达约20%。

综上，目前尚无一种HMEA能全面超越最先进的超高强钢，且尚未发现具有约2 GPa屈服强度并兼具高均匀延展性的HMEA。

这自然引出了一个关键问题：能否在“强度–延展性图”的右上角继续推进？在高熵合金的巨大组分空间中筛选最优候选极具挑战性。

尽管“主动学习”已被广泛用于高效搜索，但其需要多轮迭代与复杂模型。

为提高效率，研究者融合了领域知识，精确限定筛选范围，从而显著提升了机器学习模型的性能。

最终，研究者确定了一个最佳成分配比的多主元素合金：Fe₃₅Ni₂₉Co₂₁Al₁₂Ta₃。

通过铸后多种轧制与热处理工艺，该合金实现了此前所有块体合金未能企及的性能区间：其屈服强度–均匀延展性组合从1.5 GPa（31%）到1.95 GPa（15%）不等。

其中一个典型样品表现出1.75 GPa的σ_y、2.4 GPa的σ_UTS（对应真实应力可达3 GPa）、高应变硬化率（Θ > 2 GPa）以及25%的真正均匀伸长率，展示出强度与延展性的极致协同。

这一性能提升的关键在于极限推进微观结构的异质性：不仅引入了大量相干的L1₂型纳米析出相，还包含大量非相干的B2型微粒。

这些B2微粒因其多组分特性和较低的化学有序能，成为一种可变形相，能够在内部积聚位错，进而维持高应变硬化速率，有效延长材料的均匀塑性变形阶段。

图1基于领域知识的机器学习模型用于发现超高强度和延展性的FeNiCoAlTa高熵合金。

图2 HEA05合金的微观结构特征和成分分布。

图3 Fe₃₅Ni₂₉Co₂₁Al₁₂Ta₃ HEA05合金的机械性能。

图4 HEA05合金在拉伸应变下的位错密度演化。

综上所述，研究者基于领域知识引导的机器学习方法，成功设计并开发出一种高熵合金 Fe₃₅Ni₂₉Co₂₁Al₁₂Ta₃。该合金呈现出高度异质化的微观结构，包含在FCC基体中密集分布的多组分金属间化合物（MCIPs），其中既有相干的L1₂型纳米析出物，也有非相干但具高硬度与低弹性模量的B2颗粒。

这种析出相组合不仅显著提升了合金强度，还能与位错充分作用，在大应变范围内维持超过2 GPa的高应变硬化速率（WHR）。

此外，B2型MCIPs具备良好的延展性，且易于积聚位错，进一步拓宽了应变硬化能力。该高熵合金在实现2 GPa屈服强度的同时，仍保持接近单质金属的优秀均匀延展性，其综合力学性能已超越目前最先进的块体钢材。

研究者的设计策略结合了主动学习驱动的重合金化路线与大量析出强化机制，尤其引入具延展性且具应变硬化潜力的第二相，为其他合金体系的开发提供了新的范式。

这一策略显著推动了强度–延展性性能边界（向“性能图右上角”逼近），并拓展了在极端服役条件下对材料选择的可能性。

Sohail, Y., Zhang, C., Xue, D. et al. Machine-learning design of ductile FeNiCoAlTa alloys with high strength. Nature (2025). https://doi.org/10.1038/s41586-025-09160-2

原文链接：

已收藏 0

点赞 5