数据驱动的镁合金结构与性能设计

• 作者: 丁文江 刘言伟 应韬 曾小勤 朱虹 王乐耘 谢天
• 来源期刊: 中国材料进展
• 学科: 工学
• 关键词: 镁合金 第一性原理计算 机器学习 力学性能 耐腐蚀性能
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 镁合金专栏(Ⅰ)
• 页码范围: 1-11
• 页数: 11页
• 分类号: TG146.22
• 字数: 8312字
• 语种: 中文
• DOI: 10.7502/j.issn.1674-3962.201911007

摘要

随着材料基因组计划的提出,以及大数据技术和人工智能技术的飞速发展,基于数据驱动的新材料设计得到了广泛的关注,并逐渐成为新型材料研发的重要方法.近年来,国内外研究人员在基于高通量计算和人工智能技术预测材料组织性能等方面开展了大量工作,获得了大量通过实验方法难以直接获取的性能参数,形成了以数据为核心的材料设计方法.镁合金在航空航天、电子信息和生物医用等领域展现出很好的应用前景,但是强度低、塑性差以及耐腐蚀性能差等不足限制了其进一步应用.概述了近年来国内外研究人员利用基于密度泛函理论的第一性原理计算以及计算机人工智能的机器学习方法,在研究镁合金力学性能及相关组织结构,如热力学稳定性、滑移系启动能垒、成分/组织/工艺与性能关系,以及耐腐蚀性能,如阳极电极电位、功函数计算、阴极表面水解和析氢反应方面的进展,并展望了该研究领域亟待解决的问题以及未来发展方向.