材料、结构、工艺和性能是增材制造(AM)加工部件多功能的关键指标。这门技术的兴起极大地促进了工业制备复杂零部件的进程。一般情况下，增材制造前需要对预热处理，以使材料的力学性能最佳。但是预热又导致能源的浪费和污染性气体的排放。在各种AM技术中，激光增材制造(LAM)极具特色。在LAM过程中，材料需要经历复杂的循环加热，在材料内部诱导自发热处理效应(IHT)。IHT过程可以促进硬质第二相粒子的析出，从而很好的强化合金。到目前为止，IHT效应诱发第二相粒子析出已在传统合金中被原位观察，但仍缺乏向新材料的普及。这种新尝试也是极耗人力、物力和财力。机器学习是一种新兴技术，通过合理的计算可以极大的减少合金开发的成本，并知道现实中合金生成的工艺。它在加速新先进材料的设计和开发方面展示了巨大潜力和能力。本工作则结合机器学习和4D打印，开发出了力学性能优异的Fe–Ni–Ti–Al马氏体时效钢。
近日，来自新加坡制造技术研究院谭超林博士，Xiling Yao和Youxiang Chew研究员联合香港城市大学杨涛教授，刘锦川院士和宾夕法尼亚州立大学 T. DebRoy教授等人通过机器学习，热力学计算，开发了一种专用于4D增材制造的Fe-20.8Ni-6.2Ti-1.7Al (wt%)新型马氏体钢。增材制造过程中，IHT诱导高密度Ni3Ti在钢中快速沉淀。这种新型的钢抗拉强度为1538 MPa，均匀伸长率为8.1%，优于广泛的传统AM制备的高强度钢。这项工作突出了原位4D打印，通过同步集成随时间变化的沉淀硬化和3D几何形状，显示出高能效和可持续性。这些发现为通过理解和利用IHT效应开发LAM定制材料提供了新见解。相关成果以“Machine Learning Customized Novel Material for Energy-Efficient 4D Printing”为题发表在Advanced Science期刊上。
(1) 巧妙的将机器学习应用于4D打印材料的开发中，突破了传统工艺；
(2) 利用IHT效应诱导第二相粒子析出强化合金。
图1 采用机器学习(ML)辅助Fe-Ni-Ti-Al新型马氏体时效钢(NMS)的成分设计原理图。a) NMS设计中的特征选择，b)来自thermal - calc软件的数据收集以及代理模型中输入成分(Ni、Ti和Al)与输出成分(Ni3Ti沉淀和Laves相权重分数)的相关矩阵，c)各种算法的ML(随机森林是最准确的)，d)合金元素允许范围的成分优化，e) 490℃下不同成分的随时间变化的动态沉淀行为(平衡为Fe)，f)最终决定成分为Fe-20.8Ni-6.2Ti-1.7Al (wt%)；
图2 不同ML模型对Laves相和Ni3Ti沉淀物替代模型的性能比较；(a)决定系数；b)平均绝对误差(MAE)。RF回归模型对c) Laves相和d) Ni3Ti析出相的预测数据点绘制的真实数据；
图3 机械学习定制粉末，LDED工艺和定制Fe-Ni-Ti-Al NMS的力学性能。a)粉体粒度分布。b)截面图，c)反极图，d)粉体相分布图；e) CMS 3D打印后PHT形成析出相，ML定制NMS 4D打印(4DP)后IHT未PHT激发原位形成大量析出相；f)采用连续沉积和层间暂停(ILP)沉积策略制备的NMS的形貌；h)连续沉积和ILP沉积策略中随时间变化的热历史(Ms = 182°C)。i) NMS(在建)和CMS的拉伸工程应力-应变曲线；j)通过现场DIC监测NMS的变形行为。
图4 ILP沉积策略对粉末和LED处理NMS的显微组织分析。a)深色和白色层的空间分布(图中为TEM测试FIB提取区域)。b) BCC和FCC相的空间分布。c) TEM图像显示ILP样品中存在高密度位错。d)粉末和e)白色区域的ILP样品显示没有沉淀的证据。f)暗场TEM观测显示大量的沉淀。g)针状沉淀物和相关SADP的放大图像。h)析出物的EDS作图分析。i,j) Ni3Ti析出相的HR-TEM分析。k) FCC-Fe基体和圆形析出相的高分辨率HAADF STEM图像和FFTs。l)高分辨率HAADF-STEM图像。m)现场降水行为和机理示意图。
图5 a) ILP样品中微柱的位置。b,c)分别从白色(1号柱)和深色(2号柱)区域提取的微柱形态。d)来自ILP样品(白色和深色区域)和原料粉末的柱的压缩应力-应变曲线。e,f)粉末区微柱和暗区微柱的断裂形貌。g)本工作中4D打印NMS的拉伸性能与AM加工的各种高强钢的对比。
机器学习(Machine Learning)作为一种人工智能技术，在加速新先进材料的设计和开发方面展示了巨大潜力和能力。将这种新型技术与增材制造相结合，将会给相当工业材料的制备带来新的曙光。
https://onlinelibrary.wiley.com/doi/full/10.1002/advs.202206607
本文由虚谷纳物供稿。