PPMG近期论文速递

近期，我们课题组连续发表了两篇论文。

课题组博士荔琴在中科院一区期刊《Journal of Magnesium and Alloys》上发表论文《Phase equilibria and crystal structures of ternary compounds in the Mg-Gd-Ag system over a composition range of 0-50 at.% Gd at 450 and 500°C》。合金化Gd和Ag可显著增强镁合金的综合性能，而准确的相平衡数据是先进合金设计的基础。本文通过电子探针显微分析和X射线衍射技术，研究了66个平衡合金在450°C和500°C下、Gd含量为0-50 at.%范围内的三元Mg-Gd-Ag体系相平衡，并据此建立了两个等温截面。研究发现Ag在GdMg₃中具有较高的固溶度。此外，共发现了七种三元化合物（记为τ₁至τ₇），并利用Rietveld方法精修了它们的晶体结构。τ₁与先前报道的具有金刚石立方结构的X相相同，而其余六种三元化合物（τ₂至τ₇）为新发现。这七种三元化合物的空间群分别为Fd3m (τ₁)、P4/nmm (τ₂)、P6₃mc (τ₃)、P6₃mc (τ₄)、Pmn2₁ (τ₅)、P62m (τ₆) 和 Pc (τ₇)，并精确测定了它们的均匀性范围和晶格参数。此外，还详细测量了第三元素在三个子二元系化合物中的溶解度。本文获得的相平衡数据及三元化合物的晶体结构，将为未来热力学数据库的开发和合金设计奠定基础。

课题组博士生高田创在《Microstructures》上发表论文《Integrating 3D CNN and phase-field simulation for TiAlN coating property prediction via 3D microstructure》。本文提出了一种结合相场模拟和三维卷积神经网络的新方法，以探索Ti₁₋ₓAlₓN涂层的成分-工艺-结构-性能关系。首先，通过相场模拟生成了4,962个在不同热处理条件下的三维微观结构数据集。随后，训练了一个可重构的特征提取模型，将每个48×48×48网格的微观结构压缩为128维的潜在向量，重建精度高达99%。利用提取的特征，构建了基于微观结构的硬度预测模型，实现了1.6 GPa的低预测误差（对于平均硬度30.8 GPa，误差约为5.3%）。研究结果表明，基于三维微观结构的深度学习能够有效进行准确的性能预测，为数据驱动的高性能材料设计提供了一种有前景的工具。