PPMG近期论文速递

近期，我们课题组连续发表了两篇论文。

课题组博士生李志诚在中科院一区期刊《Advanced Powder Materials》上发表论文《Progress and opportunities for AI in additively manufactured NiTi-based shape memory alloys》。增材制造的镍钛基形状记忆合金（SMAs）为航空航天和生物医学设备提供了变革性的潜力，将独特的功能特性与无与伦比的设计自由度相结合。然而，增材制造固有的多物理场复杂性常常导致不同批次和设备间微观结构、相变行为和热机械性能的不一致性，阻碍了可靠的应用。本综述全面探讨了人工智能（AI）如何克服这些障碍。我们分析了机器学习在优化工艺参数、预测相变温度以及避免缺陷方面的应用。此外，我们探索了AI驱动的合金设计策略，重点介绍了迁移学习如何利用传统加工数据加速开发具有定制化相变温度和功能特性的新型镍钛基成分。讨论还涵盖了AI支持的多尺度结构优化，包括使用计算机视觉和生成建模来设计具有可编程和应用特定机械响应的复杂晶格结构。最后，我们指出了新兴机遇，包括多源数据融合、集成Calphad的热力学数据库以及大型语言模型，这些有望彻底改变增材制造NiTi SMA的发展范式。这些人工智能增强技术协同应对实验室创新向工业规模应用转化的关键挑战，同时实现了对多功能镍钛基合金中工艺-结构-性能关系的前所未有的精准调控。

课题组博士生江幸松在中科院一区期刊《Journal of Materials Science & Technology》上发表论文《Manipulating multi-dimensional crystal defects for ultra-high superelastic stress and excellent shape memory effect in additively manufactured NiTiFe shape memory alloys》。增材制造（AM）为定制镍钛基形状记忆合金（SMAs）提出了新的思路，而这种合金是众多领域中备受需求的智能材料。然而，其成分敏感的特性以及不均匀的微观结构使得开发具有理想性能的增材制造镍钛基形状记忆合金非常具有挑战性。在本研究中，我们采用了一种结合 CALPHAD、机器学习和多目标优化的合金设计策略，来指导通过激光粉末床熔融（LPBF）制备的镍钛铁 SMAs 中晶体缺陷的调控。所打印的 Ni47.5Ti50.4Fe2.1 SMAs 在最大拉伸强度方面达到了 1094 MPa，这是所有已报道的 LPBF 镍钛基 SMAs 中的最高值之一。此外，所选择的 LPBF 制备的镍钛铁 SMA 在 173 至 273 K 的范围内展现了宽广的超弹性温度范围（超弹性应力高达 739 MPa，在 273 K 时），并且在 198 K 时仍能保持显著的拉伸可恢复应变（4.3%）。此外，该样品在 6% 的拉伸应变下表现出 98.4% 的优异形状记忆恢复率。通过基于 CALPHAD 的缺陷工程方法，激光选区熔化工艺引发的多维晶体缺陷减少了长距离位错滑移和突发式的马氏体相变，从而促进了马氏体相变的可逆性。最终，这项工作开创了一种新的缺陷介导的设计范式，用于制造高性能的 AM 镍钛基形状记忆合金。