告別“試錯(cuò)法”！新型AI算法5步鎖定3D打印鈦合金黃金參數(shù)，性能突破行業(yè)極限

來(lái)源：AMLetters

在航空航天和醫(yī)療植入領(lǐng)域，Ti-6Al-4V合金因其高強(qiáng)度、耐腐蝕等特性備受青睞。但傳統(tǒng)激光粉末床熔融（LPBF）技術(shù)面臨巨大挑戰(zhàn)：打印后的合金雖強(qiáng)度高達(dá)1100MPa，延展性卻不足8%；若通過(guò)熱處理提升延展性，強(qiáng)度又會(huì)驟降。這種“強(qiáng)度-延展性”的天然矛盾，讓科學(xué)家們陷入“魚(yú)與熊掌不可兼得”的困境。

破局利器：主動(dòng)學(xué)習(xí)框架開(kāi)啟“智能篩選”新時(shí)代
韓國(guó)浦項(xiàng)科技大學(xué)團(tuán)隊(duì)在《Nature Communications》發(fā)表突破性研究，首創(chuàng)“帕累托主動(dòng)學(xué)習(xí)框架”，將傳統(tǒng)數(shù)月實(shí)驗(yàn)縮短至5輪迭代，成功找到296種候選參數(shù)中的最優(yōu)組合。該框架兩大核心黑科技：

• 高斯過(guò)程回歸（GPR）
  

像“材料預(yù)言家”一樣，通過(guò)119組歷史數(shù)據(jù)學(xué)習(xí)工藝參數(shù)與性能的復(fù)雜關(guān)系。

• 超體積優(yōu)化算法（EHVI）
  

化身“智能勘探員”，在每次實(shí)驗(yàn)中優(yōu)先測(cè)試潛力最大且不確定性高的參數(shù)組合，快速逼近性能極限。

性能炸裂：1190MPa強(qiáng)度+16.5%延展性創(chuàng)紀(jì)錄
經(jīng)過(guò)5輪迭代實(shí)驗(yàn)，團(tuán)隊(duì)取得驚人成果：

• 1輪突破：在保持1060MPa強(qiáng)度下，延展性從14%飆升至18.3%
• 終極性能：最優(yōu)參數(shù)制備的合金實(shí)現(xiàn)1190MPa抗拉強(qiáng)度+16.5%總延伸率，較傳統(tǒng)鍛造工藝提升30%以上
• 全面碾壓：10組新參數(shù)合金性能全部超越歷史數(shù)據(jù)，刷新性能天花板
  

微觀揭秘：算法找到的“黃金配方”有何奧秘？
通過(guò)電子背散射衍射（EBSD）分析發(fā)現(xiàn)，最優(yōu)參數(shù)合金同時(shí)具備兩大特性：

• 高強(qiáng)度密碼：超細(xì)α板條（<1μm）與窄化β晶界，通過(guò)大量晶界阻礙位錯(cuò)運(yùn)動(dòng)
• 高延展性密鑰：基底滑移系施密特因子集中0.4-0.5區(qū)間，促進(jìn)位錯(cuò)滑移能力提升46%
  

點(diǎn)擊鏈接可直接下載文獻(xiàn)：Active learning framework to optimize process parameters for additive manufactured Ti-6Al-4V with high strength and ductility.pdf

主要圖文

圖1 整體流程示意圖。 圖中展示了探索具有優(yōu)異機(jī)械性能的 Ti-6Al-4V 合金總體流程的三個(gè)組成部分：a) 構(gòu)建包含加工參數(shù)和熱處理參數(shù)的初始 Ti-6Al-4V 激光粉末床熔化（LPBF）數(shù)據(jù)集。b) 實(shí)施 Pareto 主動(dòng)學(xué)習(xí)框架。所提出的主動(dòng)學(xué)習(xí)框架通過(guò)每次迭代從未標(biāo)記數(shù)據(jù)集中選擇兩個(gè) LPBF 工藝參數(shù)與熱處理?xiàng)l件的組合進(jìn)行操作。期望這兩個(gè)組合能夠最大限度地?cái)U(kuò)展由黃色線條所示的 Pareto 前沿，該前沿代表著在提升某一性能時(shí)必然需要犧牲另一性能的折衷面。基于這兩個(gè)組合，通過(guò)拉伸試驗(yàn)制備 Ti-6Al-4V 合金，并獲得其極限抗拉強(qiáng)度（UTS）和總延展性（TE）值。隨后，將這些試驗(yàn)獲得的新數(shù)據(jù)加入到標(biāo)記數(shù)據(jù)集中以擴(kuò)展 Pareto 前沿，并在重復(fù)過(guò)程中推薦另兩個(gè)組合進(jìn)行測(cè)試。c) 通過(guò)微觀結(jié)構(gòu)分析驗(yàn)證所選參數(shù)組合制備的 Ti-6Al-4V 合金樣品具備優(yōu)異的 UTS 和 TE 值。

圖2 | 展示五個(gè)輸入?yún)?shù)與兩項(xiàng)機(jī)械性能之間相關(guān)性的成對(duì)圖及數(shù)據(jù)分布。  a) 圖中展示了五個(gè)輸入?yún)?shù)與極限抗拉強(qiáng)度（UTS，粉色）之間以及與總延展性（TE，藍(lán)色）之間的相關(guān)性。由于初始數(shù)據(jù)集（來(lái)自多項(xiàng)研究和不同實(shí)驗(yàn)條件）的內(nèi)在變異性及參數(shù)間的相互依賴，各參數(shù)的單獨(dú)效應(yīng)是在未固定其他參數(shù)的情況下可視化的。圖中陰影區(qū)域表示數(shù)據(jù)點(diǎn)的分布情況，反映了各數(shù)據(jù)集中數(shù)據(jù)的波動(dòng)與散布；而實(shí)線則顯示了基于線性回歸擬合獲得的趨勢(shì)線，捕捉了各變量間的整體關(guān)系。   b) 圖中還展示了初始數(shù)據(jù)集中所有 Ti-6Al-4V 樣品的分布（以灰色標(biāo)記），以及基于激光功率、熱處理溫度和熱處理時(shí)間，將總延展性排名前10%的樣品以藍(lán)色、極限抗拉強(qiáng)度排名前10%的樣品以紅色標(biāo)記。

圖3：本文提出的Pareto主動(dòng)學(xué)習(xí)框架概覽。該框架通過(guò)迭代重復(fù)各步驟，旨在篩選出一種能夠同時(shí)實(shí)現(xiàn)Ti-6Al-4V合金高極限抗拉強(qiáng)度和高總延展性的參數(shù)組合。

圖4：主動(dòng)學(xué)習(xí)迭代結(jié)果。 a) 第一輪；   b) 第二輪；   c) 第三輪；   d) 第四輪；   e) 第五輪。圖中黃色菱形代表預(yù)測(cè)的性能，紅色三角形代表實(shí)驗(yàn)結(jié)果。   f) Ti-6Al-4V 合金的拉伸強(qiáng)度（UTS）與總延展性（TE）的 Ashby 圖。此圖基于初始數(shù)據(jù)集（補(bǔ)充數(shù)據(jù)1）、DED 加工以及鍛造 Ti-6Al-4V 樣品（補(bǔ)充數(shù)據(jù)2）的數(shù)據(jù)構(gòu)建，其中陰影區(qū)域表示不同數(shù)據(jù)集中 UTS 與 TE 的屬性空間，展示了各種加工方法下數(shù)據(jù)點(diǎn)的分布情況。橙色區(qū)域（方形標(biāo)記）對(duì)應(yīng)于初始數(shù)據(jù)；藍(lán)色區(qū)域（三角形標(biāo)記）對(duì)應(yīng)于 DED 獲取的數(shù)據(jù)；綠色陰影區(qū)域（五邊形標(biāo)記）表示鍛造 Ti-6Al-4V 樣品的數(shù)據(jù)；最后，紅色圓形標(biāo)記顯示了通過(guò)所提出的框架獲得的優(yōu)化性能。

圖5：所選組合的預(yù)測(cè)極限抗拉強(qiáng)度（UTS）和總延展性（TE）值及其概率密度函數(shù)。a) 第一次迭代，   b) 第二次迭代，   c) 第三次迭代，   d) 第四次迭代，   e) 第五次迭代。圖中黃色菱形表示預(yù)測(cè)性能，紅色三角形表示實(shí)驗(yàn)結(jié)果；藍(lán)色顯示的概率密度函數(shù)對(duì)應(yīng)每次迭代中第一個(gè)樣品（如 1-1、2-1、3-1、4-1、5-1），而紅色顯示的概率密度函數(shù)對(duì)應(yīng)第二個(gè)樣品（如 1-2、2-2、3-2、4-2、5-2）

圖6：1-1、2-1、3-1 和 3-2 樣品中強(qiáng)度演變的微觀結(jié)構(gòu)分析。a1–d1：在 LPBF 樣品的 xz 平面上觀察到的 α 板條的低倍率 EBSD IPF 圖。   a2–d2：對(duì)應(yīng)于（a1–d1）所示區(qū)域的 xz 平面上，根據(jù)局部馬氏體 α 相織構(gòu)，并依照 Burgers 取向關(guān)系重構(gòu)得到的先前 β 相的 IPF 圖。   a3–d3：對(duì)應(yīng)于（a1–d1）的等高線極圖。   a4–d4：對(duì)應(yīng)于（a1–d1）的等高線極圖。

圖7：1-1、2-1、3-1 和 3-2 樣品中延展性演變的微觀結(jié)構(gòu)分析。 a1–d1為對(duì)應(yīng)于圖6a1–d1、a2–d2區(qū)域中基底滑移系統(tǒng) {0001} 的SF圖。各圖通過(guò)尺寸展示了SF值的頻率分布，其中與基底滑移系統(tǒng)對(duì)應(yīng)的SF值區(qū)間以藍(lán)色高亮顯示，并在每個(gè)圖左上角的藍(lán)色矩形中標(biāo)注了該區(qū)間內(nèi)的總頻數(shù)。

作者簡(jiǎn)介

Seungchul Lee博士現(xiàn)任韓國(guó)科學(xué)技術(shù)院（KAIST）機(jī)械工程系副教授。他的研究領(lǐng)域涵蓋機(jī)械系統(tǒng)的工業(yè)人工智能、智能制造、材料及醫(yī)療健康方向，并且在KAIST致力于基于知識(shí)指導(dǎo)的人工智能與由AI驅(qū)動(dòng)的知識(shí)發(fā)現(xiàn)工作。
信息來(lái)源：https://iai.postech.ac.kr/people/professor

Hyoung Seop Kim 教授現(xiàn)任韓國(guó)浦項(xiàng)科技大學(xué)（POSTECH）材料科學(xué)與工程系教授，同時(shí)兼任鐵及環(huán)保材料技術(shù)研究院的教授，并參與韓國(guó)延世大學(xué)以及日本東北大學(xué)先進(jìn)材料研究項(xiàng)目（WPI-AIMR）的聯(lián)合研究。他的研究主要聚焦于材料結(jié)構(gòu)設(shè)計(jì)與性能優(yōu)化，涵蓋多個(gè)前沿領(lǐng)域，包括：

物理冶金與金屬塑性變形：致力于多孔及非晶材料的力學(xué)行為模擬，以及針對(duì)納米結(jié)構(gòu)金屬材料的嚴(yán)重塑性變形進(jìn)行研究。

高熵合金與增材制造：探索高熵合金的開(kāi)發(fā)、處理及加工工藝，同時(shí)面向金屬增材制造和異質(zhì)結(jié)構(gòu)材料設(shè)計(jì)展開(kāi)創(chuàng)新研究。

計(jì)算機(jī)模擬和人工智能應(yīng)用：利用先進(jìn)的數(shù)值仿真與機(jī)器學(xué)習(xí)工具，對(duì)金屬塑性變形和熱機(jī)械行為進(jìn)行系統(tǒng)性研究，為材料設(shè)計(jì)提供數(shù)據(jù)驅(qū)動(dòng)的決策支持。

信息來(lái)源：https://www.wpi-aimr.tohoku.ac.j ... searcher/kim_h.html