近日，多伦多大学工程学院科研团队成功研发一套基于人工智能与机器人自动化的“自主实验室”系统，并在数周内高效筛选出六种新型镍钴铬三元合金。该项目由Yu Zou教授牵头，博士生Ajay Talbot等人共同完成。针对极端高温高压环境下传统材料易失效的痛点，团队采用数据驱动的主动学习算法，将计算机模拟、机器学习与3D金属打印深度融合，实现材料设计、制备与高温测试的闭环迭代。 测试表明，新合金在600至1000摄氏度工况下表现出卓越的强度保持率与抗氧化性能。其中一款材料在高温硬度上较行业标准的Inconel 625合金提升4.5%；另一款高铬配方在抗氧化烧蚀方面更是超越传统材料达85%。得益于出色的3D打印适配性，这些材料可通过逐层构建实现内外组分梯度设计，满足航空航天推进系统及核能发电装备对轻量化与高强度的严苛需求。 此项成果已发表于npj先进制造期刊。团队指出，当前三元合金体系验证了闭环发现平台的有效性，后续将把算法扩展至十至十二元复杂合金设计，进一步挖掘新型结构材料的多维性能潜力。该研究获得多伦多大学加速联盟资金支持，标志着人工智能正加速重塑高温结构材料的研发范式。