《Adv Sci》：機器學習開發(fā)4D打印綠色金屬,，原始態(tài)1.54GPa+8.1%

來源： 材料科學與工程

目前用于增材制造的金屬粉末通常沿襲了傳統(tǒng)商用合金的成分,，這些現(xiàn)有商業(yè)金屬粉末是為傳統(tǒng)加工路線（例如鑄造,、熱等靜壓,、放電等離子燒結(jié)等）設計和優(yōu)化的,，未考慮增材制造工藝的成型過程的特點（如高冷速,、熱循環(huán)等）; 因此,，可能不是最適合增材制造的材料。此外,，在增材制造成型后,，大部分材料仍然需要進行后續(xù)熱處理來對力學性能進行優(yōu)化。近年來,，開發(fā)增材制造專用新型合金是目前增材制造領域的研究熱點,。然而，傳統(tǒng)的合金計算方法如熱力學計算、第一性原理等存在開發(fā)周期較長,、試錯成本較高等問題,。因此，如何高效地設計增材制造專用的合金材料,、縮短合金設計的周期,、實現(xiàn)在無后需熱處理下獲得高強-高韌打印件仍然是領域內(nèi)的一大挑戰(zhàn)。

機器學習(Machine Learning)作為一種人工智能技術,，能夠使機器或系統(tǒng)從數(shù)據(jù)中學習并做出可靠的決策或預測,，它在加速新先進材料的設計和開發(fā)方面展示了巨大潛力和能力。為此,，新加坡制造技術研究院譚超林 (該項目PI) 聯(lián)合香港城市大學楊濤和賓夕法尼亞州立大學 T. DebRoy.,，通過機器學習結(jié)合熱力學計算，開發(fā)了一種專用于增材制造的Fe-20.8Ni-6.2Ti-1.7Al (wt%)新型馬氏體鋼,。該材料在激光直接能量沉積(LDED)原始態(tài)下即可獲得優(yōu)異的強塑性 (抗拉強度高達1.54 GPa和8.1%均勻延伸率),，該性能顯著優(yōu)于大部分增材制造制備的商用高強鋼原始態(tài)的力學性能。其優(yōu)異的力學性能主要歸功于LDED沉積期間原位形成Ni3Ti化合物,。獨特的逐層冷卻沉積策略促進了具有高密度位錯的馬氏體基體的形成,，為析出相的形成提供了有利條件；機器學習開發(fā)的材料具備快速和短時形成析出相的能力,，加上LDED中獨特的原位熱處理效應,，促進了大量納米Ni3Ti的原位形成。

與當前主流的非原位4D打印(即 3D打印零件隨時間的變化（如屬性或功能變化）發(fā)生在零件形成之后)相比較,，這項工作將時間相關的析出強化與3D幾何成型同步集成,，突出了原位4D打印，從而避免了后續(xù)耗時耗能的熱處理,，充分發(fā)揮了增材制造技術在高能效和綠色制造方面的優(yōu)勢,。相關研究以題為“Machine Learning Customized Novel Material for Energy-Efficient 4D Printing”于2023年2月5日發(fā)表在Advanced Science (IF=17.52)上。

論文鏈接：https://onlinelibrary.wiley.com/doi/10.1002/advs.202206607

Machine learning (ML)設計該合金的主要過程(圖1)如下: 首先,，對一些影響材料性能的關鍵指標進行分析,。然后通過ML模型來預測了各合金元素對這些關鍵指標(如N3Ti析出相和Laves)的影響。訓練的數(shù)據(jù)集來自于Thermal-Calc熱力學計算,，總共使用1815個數(shù)據(jù)點用來訓練替代模型,。在各類常見模型中，隨機森林（RF）模型可以得到極高的預測準確度（R2>99%）,，見圖2,，充分證明了ML預測的有效性。對ML預測的成分進行進一步驗證,，最終得到了最優(yōu)的合金成分為Fe-20.8Ni-6.2Ti-1.7Al (wt%),。

圖1. 機器學習(ML)開發(fā) Fe-Ni-Ti-Al新型馬氏體時效鋼(NMS)過程示意圖,。

圖2. 各種Machine Learning模型對Laves相和Ni3Ti析出相預測準確性分析。

如圖3所示,，采用激光直接能量沉積（LDED）技術制備了該Fe-20.8Ni-6.2Ti-1.7Al (wt%)材料,。總體研究結(jié)果表明,，通過充分利用激光增材制造過程的高冷速和熱循環(huán)的特點,，在合金內(nèi)部形成了高位錯密度的馬氏體，并在隨后的多次熱循環(huán)過程中誘導了合金內(nèi)部在缺陷處原位形成高密度Ni3Ti,，從而顯著強化了合金,。具體制備過程以及LDED態(tài)下的力學性能。該Fe-Ni-Ti-Al鋼在打印過程中原位形成Ni3Ti,，無需進行后續(xù)熱處理,，即在三維成型的基礎上整合了時間維度(免除了耗時的后續(xù)熱處理)，可以看做是一種4D打印技術（如圖3e所示）,。

圖3. 合金粉末特征分析,、LDED工藝和Fe-Ni-Ti-Al試樣的力學性能。

圖4. LDED制備Fe-Ni-Ti-Al試樣的顯微組織分析以及原位析出機理示意圖,。粉末中未觀察到析出相,，但是在LDED制備的樣品中觀察到大量的Ni3Ti析出相。

如圖5所示,，微柱壓縮實驗表明: 打印的塊體材料中,，富Ni3Ti析出區(qū)的強度高于粉末顆粒的壓縮強度，從而證實了Ni3Ti原位析出相帶來的強化作用,。該新材料LDED沉積后,，未經(jīng)熱處理即可獲得高達1.54 GPa的抗拉強度和8.1%的均勻延伸率,，在目前大部分增材制造成型高強鋼中,，表現(xiàn)出非常優(yōu)異的強塑性組合。

圖5. LDED制備Fe-Ni-Ti-Al材料的微觀力學性能, 以及該材料與增材制造制備的多種高強鋼的力學性能對比圖(均為未熱處理態(tài)),。

總之,，這項工作通過機器學習定制了一種新型馬氏體時效鋼，可在 LDED期間原位形成析出相,。設計的逐層冷卻沉積策略促進了高密度位錯馬氏體基體的形成,。材料的快速析出動力學和LDED獨特的原位熱處理效應促進了大量納米Ni3Ti原位異質(zhì)形核。微柱壓縮實驗結(jié)果表明,，與原料粉末相比,，原位形成的Ni3Ti析出相提高了LDED打印的NMS馬氏體時效鋼的強度。LDED制備的NMS馬氏體時效鋼達到了約1.54 GPa的抗拉強度和8.1%的均勻伸長率,，優(yōu)于諸多增材制造成型的高強鋼,。這項工作展示了通過理解和利用增材制造過程中原位熱處理效應和材料之間的相互作用,，開發(fā)高性能金屬的可行性，可為開發(fā)增材制造專用結(jié)構(gòu)材料,、功能材料和綠色材料提供啟發(fā)和借鑒,。