研究人员发现了一种新的方法，基于在原始金属晶粒边界之间的反应，以预测金属合金的性能。在这幅图中，彩色的圆点表示原子沿着边界聚集而非穿透边界的可能性。
从汽车到卫星，从建筑材料到电子产品，先进的金属合金在现代生活的关键部分中必不可少。但是，由于研究人员对构成大多数金属的微小晶粒之间的边界一知半解，限制了为特定用途创造具有最佳强度、硬度、耐腐蚀性和导电性等性能的新合金。
当两种金属混合在一起时，次级金属的原子可能会沿着这些晶界聚集，或者它们可能会通过晶界内的原子晶格分散开来。材料的整体性能很大程度上取决于这些原子的行为，但迄今为止还没有系统方法可以预测它们的行为。
麻省理工学院的研究人员现在找到了一种方法，结合计算机模拟和机器学习过程，对这些性质进行详细预测，从而引导用于各种应用的新型合金的开发。这些发现发表在《自然-通讯》杂志上，论文由研究生Malik Wagih、博士后Peter Larsen以及材料科学与工程教授Christopher Schuh共同发表。
Schuh解释说，多晶金属占我们所使用金属的绝大部分，了解多晶金属的原子级行为是一项艰巨的挑战。虽然单个晶体中的原子排列有序，相邻原子之间的关系简单且可预测，但大多数金属物体中的多个微小晶体却并非如此。“晶体在我们称之为晶界的地方糅合在一起，传统结构材料中，有成千上万的这样的边界。”
这些边界有助于确定材料的性质。他说:“你可以把它们看作是把晶体粘在一起的胶水。”“但是它们是无序的，原子是杂乱的。它们与相融合两边的晶体都不匹配。”他说，这意味着它们存在数十亿种可能的原子排列方式，而晶体的排列方式只有几种。创造新的合金涉及“试图在金属内部设计那些区域，这确实比设计晶体要复杂数十亿倍。”
Schuh用邻里邻居做了一个类比。“这有点像住在郊区，周围可能有12个邻居。在大多数金属中，你环顾四周，你会看到12个人，他们离你的距离都是一样的。这完全是同质的。而在一个颗粒边界，你仍然有大约12个邻居，但他们都在不同的距离，他们都是不同大小的房子，在不同的方向。”
他说，传统上，设计新合金的人会直接忽略这一问题，或者只关注晶界的平均性质，就好像它们都是一样的，尽管他们知道事实并非如此。
相反，团队决定通过检查大量典型案例的配置和交互的实际分布来严格地处理这个问题，然后使用机器学习算法从这些具体情况进行推断，并为一系列可能的合金变化提供预测值。
在某些情况下，原子沿晶界聚集是一种理想的特性，可以提高金属的硬度和抗腐蚀能力，但有时也会导致脆化。根据一种合金的预期用途，工程师们将尝试优化其性能组合。在这项研究中，该团队基于文献中描述的基本组合，检测了200多种不同的贱金属和合金金属组合。研究人员随后系统地模拟了其中一些化合物，以研究它们的晶界构型。这些数据被用于使用机器学习生成预测，而这些预测又被更多的模拟验证。机器学习的预测与详细的测量结果非常吻合。
因此，研究人员能够证明许多被排除在外的合金组合实际上是可行的。Wagih说，这项研究汇编的新数据库已经在公共领域开放，可以帮助任意一位正在设计新合金的人。
该小组正在加紧进行分析。“在我们理想设定中，我们要把元素周期表里的每一种金属都拿出来，然后把元素周期表里的每一种元素都加到这些金属里去，”Schuh说。“所以你拿着周期表，交叉检查每一种可能的组合。”他说，对于大部分组合，目前还没有基本数据，但随着越来越多的模拟和数据收集的完成，这些组合就可以集成到新系统中。
乔治梅森大学的物理学和天文学教授Yuri Mishin说:“合金中溶质元素的晶界偏析是材料科学中最基本的现象之一。偏析会对晶界产生灾难性的脆化作用或提高晶界的粘聚力和抗滑性。对偏析能的精确控制是设计具有先进机械性能、热学性能或电子性能的新技术材料的有效工具。”但是，Yuri Mishin教授补充说，“现有偏析模型的一个主要局限是依赖于平均偏析能，这是一个非常粗糙的近似。”但这个团队已经成功解决了这一挑战。对于这个研究，他评价道，“研究质量是优秀的，核心思想具有重要的潜力，通过提供一个基于合金性能的快速筛选框架，将对合金设计领域界定合金晶界产生影响。”
