基于高通量实验与机器学习的纳米析出相增强高熵合金的成分设计及强韧化机制研究

High entropy alloys (HEAs) have extremely important prospects in the fields of aerospace, automobile and navigation, due to the excellent mechanical property, corrosion resistance and wear resistance as compared with the traditional alloys. Quenching gradient-heat-treatment high-throughput experiments of HEAs can produce the continuous microstructural change by the gradient cooling rate, in which the new high-efficiency and low-power experimental method effectively overcomes the disadvantages of the traditional trial-and-error method. In addition, high-throughput technologies and machine learning have become central to materials genome initiative. By means of combination of machine learning, quenching gradient-heat-treatment high-throughput experiment, theoretical analysis, numerical simulation and experimental testing, this study explores the effect of serious lattice distortion on the interaction of dislocation and nano-precipitation and grain boundary in the precipitation enhanced nanocrystalline HEAs, which reveals the effect of serious lattice distortion and nano-precipitation and nanograin on toughening mechanism and deformation mechanism for obtaining the main factors to control the toughening of HEA. Through quenching gradient-heat-treatment high-throughput experiment, high-throughput modeling and structural characterization, and properties screening using machine learning, it is expected to expedite the discovery of new HEA with excellent properties.

与传统合金相比，合金高熵合金具有优异机械性能、耐腐蚀、耐磨损等，在航天航空领域、汽车领域以及航海领域有着极其重要应用前景。通过基于高熵合金的端淬梯度热处理的高通量实验建立在温度梯度下获得连续的变化微结构的新型高效率、低能耗的实验方法，有效克服传统试错法实验的弊端。此外，高通量技术和机器学习已成为材料基因组计划的核心方法。本项目拟通过机器学习、端淬梯度热处理技术高通量实验、理论分析、数值模拟与实验力学性能测试有机结合的方法探索新型纳米析出相强化纳米晶高熵合金在严重晶格畸变条件下位错、纳米析出相、纳米尺度晶界等微结构交互作用规律，揭示高熵合金中严重晶格畸变效应、纳米析出相、纳米晶对高熵合金强韧化和变形的影响机制，获得影响纳米晶高熵合金强韧化的主要因素及控制条件。通过端淬梯度热处理技术高通量实验、高通量模拟和微结构表征以及运用机器学习进行性能筛选有望加快发现更加优异新型高熵合金。

面向航空航天等国防领域对高性能合金的重大需求，急切开发适用于高温及低温环境下的高强韧新型合金。高熵合金作为一类新型的结构材料，因优异的高低温力学性能被广泛的研究，然而原子尺度严重晶格畸变条件下的变形行为及强韧化机理仍未厘清。本项目采用多尺度模拟（第一性原理、分子动力学、位错动力学及晶体塑性有限元）、物理建模、机器学习与实验相结合的方法，研究了新型纳米析出相强化纳米晶高熵合金在严重晶格畸变条件下位错、纳米析出相、纳米尺度晶界等微结构交互作用规律研究；揭示了高熵合金中严重晶格畸变效应、纳米析出相、纳米晶对高熵合金强韧化和变形的影响机制；确定了影响纳米晶高熵合金强韧化的主要因素及控制条件。通过应用实验、高通量模拟、微结构表征与机器学习相结合的方法，实现了以性能为导向的高熵合金的最优结构的精准设计。基于材料科学理论、数据科学以及人工智能技术的材料智能化设计策略为基础，提出了一种融合机器学习、物理定律和力学模型的多级材料设计方法，与现有的物理模型或机器学习辅助的材料开发方法相比，多级设计方法能够以更高效率、更高精度解决包括识别多主元合金目标性能和挖掘最优成分在内的正逆问题，为先进材料的高效低成本设计提供了一个重要的理论框架。发现了高熵合金“非均匀晶格应变”强化新机制，开发了能够调控复杂化学成分材料强韧性的计算模拟方法，为设计高性能高熵合金和高熵陶瓷等具有严重晶格畸变材料提供了新策略。项目期内，在Proceedings of the National Academy of Sciences of the United States of America、Science Advances等期刊发表论文30余篇，授权国家发明专利3项，在国内外学术会议作特邀报告7次，毕业博硕士研究生8名。