.png){kind=icon}
返回
Multiscale computational framework linking alloy composition to microstructure evolution via machine learning and nanoscale analysis
.png){kind=icon}
OA
AI
DOI：10.1038/s41524-025-01730-2.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
通过成分设计实现目标微观结构是开发高性能应用结构材料的核心挑战。本研究介绍了一个多尺度集成计算材料工程（ICME）框架，该框架结合了基于CALPHAD的热力学建模、机器学习、分子动力学和扩散动力学，以将合金化学与微观结构演化联系起来。基于750,000个CALPHAD衍生数据点训练的机器学习模型能够根据热力学标准快速筛选200亿种成分。一个先进的筛选步骤纳入了纳米尺度物理描述符，这些描述符捕获控制沉淀粗化和动态再结晶的机制。该框架应用于锻造镍基超合金，识别出12种成分，预测可在粗大γ基体中形成细小的晶内γ′沉淀物；其中一种成分得到实验验证，显微镜确认了预测的微观结构。尽管在镍基体系中进行了演示，但该方法是广泛通用的。这项工作强调了将高通量成分筛选与原子尺度评估相结合以加速微观结构驱动的材料设计（超越平衡热力学）的潜力。
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
11.9
论文数:
2.4K
被引数:
1.7W
机构
引用论文
An intelligent design for Ni-based superalloy based on machine learning and multi-objective optimization.png)
MATERIALS & DESIGNOAAI
MATERIALS & DESIGNIF7.9
OAAI分享收藏Reassessment of mobility parameters for Cantor High Entropy Alloys through an automated procedureCalphad
CalphadIF0
PREAI
分享收藏Improve the ductility of a nickel based superalloy by optimizing secondary phase distribution through grain boundary engineering通过晶界工程优化第二相分布来提高镍基高温合金的延展性
PREAI
分享收藏
查看更多内容