导读：具有超高强度和高韧性的铝合金是航空航天工业应用的基础结构材料。由于强度和韧性之间的内在限制，优化这些相互冲突的特性的理想组合在材料开发中始终具有挑战性。本研究根据文献中高强高韧铝合金的特性，整理出171组数据。建立了具有面向属性的设计策略的机器学习设计系统（MLDS），以快速发现具有延展性和韧性指标（伸长率δ=8%–10%，断裂韧性K IC =33–35 MPa·m1/2的新型铝合金) ,当极限拉伸强度 (UTS) 超过约 100 MPa ,达到 700-750 MPa,与当前最先进的 AA7136 铝合金相比。用MLDS 进行实验验证，三种典型的候选合金表现出令人满意的性能.

高强高韧铝合金因其高比强度、优异的耐蚀性、良好的加工性能和可回收性，是现代交通运输、航空航天等行业的关键结构材料。AA7050、AA7055和AA7136铝合金是典型的高性能航空铝合金。在常规的工业生产条件下，极限抗拉强度(UTS)可达600–650兆帕，伸长率为8%–10%，断裂韧性为33–35MPa·m1/2。随着高速铁路列车、飞机和其他交通工具的发展，对轻质、超高速和廉价的要求使得铝合金的综合性能变得更高。例如，一个目标是航空用高性能铝合金的UTS达到700-800MPa；其他主要性能，如韧性、可加工性和耐腐蚀性，将与目前广泛使用的先进AA7050、AA7055 和AA7136合金相当。

近几十年来，高强高韧铝合金的发展特点是合金成分越来越复杂，含有大量的锌、镁、铜、锰、铁、硅、镍、铬、钛、锆和钪，从而产生了巨大的成分设计空间。因此，用传统的经验试错法很难快速准确地设计出满足多目标性能要求的合金成分。可以容易地分析材料的成分、形成过程、结构和性质，建立性质预测模型的机器学习方法被应用于用巨大的空间来描述新材料，然后执行经验验证；这些方法近年来发展迅速。机器学习方法已经应用于镍钛形状记忆合金，钛酸钡基压电材料和超硬高熵合金。然而，与报道的研究对象相比，高强度和高韧性铝合金的成分、工艺和性能具有更大的可变性。为复杂合金建立机器学习辅助的合金设计策略，并开发满足未来航空发展需求的高性能铝合金，是该领域机器学习方法面临的主要挑战。

在此，北京科技大学谢建新教授团队探索了机器学习方法在发现超高强度高韧性铝合金中的应用。通过收集文献中公布的具有高强度和高韧性铝合金统一标准的报告实验数据，应用MLDS快速获得满足目标性能要求的成分设计方案。然后，选取了三种典型的设计合金进行实验验证，并对新型超高强高韧铝合金的硬化和韧化机理进行了分析。研究结果可为快速发现具有多目标特性的复杂合金提供参考。相关研究成果以题“Discovery of aluminum alloys with ultra-strength and high-toughness via a property-oriented design strategy”发表在金属顶刊Journal of Materials Science & Technology上。

链接：https://www.sciencedirect.com/science/article/pii/S1005030221005259#fig0004

图1新型超高强高韧铝合金的合理设计方法。

图2两个神经网络模型的训练结果组成属性模型(C2P): (a) UTS，(b) δ，(c)K IC；成分模型属性(P2C): (d)锌，(e)镁，(f)铜。

图3P2C模型和MLDS设计之间合金成分波动的比较:(a)锌，(b)镁，(c)铜和(d)锆。

图5。实验合金中大尺寸沉淀物的典型透射电镜照片:(1)亮场图像；选区电子衍射分析:(b) Al6Mn，(c) Al3Zr，(d) Al18Cr2Mg3。

图6 实验合金中小析出物测试的TEM图像:小析出物的形态分布:(a1) E1合金，(b1) E2合金，(c1) E3合金；η的大小统计η‘相区和GP区:(a2) E1合金，(b2) E2合金，(c2) E3合金；晶界析出物的形态分布:(a3) E1合金，(b3) E2合金和(c3) E3合金。

图7新型超高强高韧铝合金与现有高强高韧铝合金的综合性能比较:

(a)UTS和δ，(b) UTS和KIC。

图 7展示了本工作中的新型铝合金与本工作中的超强高韧铝合金与文献中现有的高强高韧铝合金的性能比较。使用MLDS筛选出三种具有超强高韧性的新型铝合金并进行实验验证，表现出优异的综合性能。该合金的延性和韧性指标与先进的AA7136铝合金相当，伸长率δ达到7.8%~9.5%，断裂韧性K IC达到32.2~33.9 MPa·m 1/2，而合金的 UTS 明显高于 AA7136 铝合金，达到 707.5-736.5 MPa。突出的抗拉强度对于轻量化航空航天等设备具有重要意义