计算、加工与人工智能协同设计结构高熵合金

一项发表于《材料科学进展》的2026年综述，系统梳理了高熵合金研发从经验试错走向预测设计的新路径。该综述由国际团队完成，主要作者包括吴仁浩博士与金亨燮教授，团队来自东北大学材料研究所及韩国浦项科技大学。综述围绕结构高熵合金展开，指出其由多种主要元素共同构成，成分、工艺、组织和性能高度耦合，单一实验或模型难以覆盖从原子尺度到宏观力学行为的多层次问题。 研究团队提出，应将不同尺度计算方法视为互补工具：密度泛函理论和分子动力学用于理解原子间相互作用，相图计算和相场模拟描述相稳定性与微观组织演化，晶体塑性模型则连接微观组织与宏观力学性能。人工智能和机器学习进一步引入数据驱动设计，使材料筛选和性能预测更加高效。综述还展示了增材制造、严重塑性变形等工艺模拟如何建立制造条件与最终性能之间的直接联系。相关研究还表明，基于工艺调控的微观组织设计可形成核壳结构和反向梯度结构，提升强度、韧性和抗氢脆能力。 该工作为高熵合金开发提供了更系统的框架，使研究者不再仅依赖直觉和经验，而能将计算科学、工艺科学和人工智能结合起来。未来，研究团队期待构建闭环研发平台，由计算和AI筛选潜在成分，物理模型解释机理，实验验证并反馈数据，持续优化预测能力。金亨燮表示，最令他欣慰的并非单纯汇总文献，而是将快速发展的领域整合为清晰的设计范式。他建议青年研究者打破边界，在实验、理论、计算和数据之间自由切换，以应对高熵合金带来的复杂挑战。