多伦多大学工程系的研究人员利用一套人工智能驱动的发现平台，开发出六种新型金属合金，这些合金可提高喷气发动机、核电站及其他极端环境中使用部件的耐久性。研究结果显示，这套AI辅助系统在短短几周内就识别出了有前景的合金，显著加快了高性能材料的探索速度。

这些新型合金还能很好地适配金属3D打印，从而制造出传统方法难以或无法生产的复杂零件。

AI加速合金发现
由加拿大极端环境材料与制造研究主席Yu Zou领导的团队，与Jason Hattrick-Simpers合作构建了一个利用计算机建模、机器学习和机器人辅助制造的系统。

他们采用的方法称为“主动学习”，其作用类似于一个自动驾驶的实验室。该系统不是手动测试数千种金属组合，而是自主挑选最佳选项，制造它们，测试其表现，并利用这些结果指导下一步实验。

“对于能够承受巨大温压波动的材料有着巨大需求，例如你在喷气发动机内部或核电站蒸汽发生器中所见的环境——任何传统钢铁都无法存活的地方，”领导该项目的Yu Zou表示。“我们还需要能够逐层打印的材料，使我们能够制造出传统制造工艺无法创造的部件。例如，要制造既轻又强的材料，你可以改变其成分：外部是硬而韧的合金，内部则过渡到更软更轻的材料。”

该项目部分得到了多伦多大学加速联盟的支持，该联盟利用AI和自动化来加速新材料的发现。

主动学习减少对海量数据集的需求
大多数AI系统需要大量的实验数据才能做出准确预测。当研究人员着眼于尚未测试过的材料时，这便成为一个问题。

“在尝试使用AI设计材料时，常遇到的一个问题是，大多数机器学习模型需要大量关于材料属性的数据来进行学习，”Zou实验室博士生、该研究的第一作者Ajay Talbot透露。

“但如果你正工作在尚未被探索的设计空间，那些数据根本不存在，你就像在盲目飞行。”

“我们绕过这一挑战的方法是使用数据精益模型，它们本质上靠自己摸索前行。我们的主动学习模型策略性地选择少量样品进行制造和测试，这些实验的数据被反馈给模型，以指导我们下一步的方向。这真的能大幅提速。”

新型合金性能超越行业基准
为演示该系统，研究人员聚焦于由镍、钴和铬制成的成分复杂合金。在数周内，自动化平台识别出六种性能优异的新合金配方。

“我们瞄准的性能之一是在高达1112°F（600°C）温度下的穿刺抗力，这相当于喷气发动机前段的温度，”Talbot说。

“这一领域的行业标准是Inconel 625这类镍基合金。但我们发现一种由12%镍、62%钴和26%铬制成的合金，在极高温度下保持硬度的表现极佳。即便只有三种组分，我们的合金在实验室测试中也比含十多种不同元素的Inconel 625高出4.5%。”

团队还开发了另一种面向喷气发动机更热区域的合金，该区域温度可达1832°F（1000°C）。

“在这样的环境中，会发生的事情之一是形成氧化皮，这实质上意味着你的材料正在被烧蚀掉，”Talbot解释说。

“我们发现一种由36%镍、14%钴和50%铬制成的材料，在这些高温下的抗氧化性能极为出色：它甚至比Inconel 625高出85%。我们最终目标是提升至更高温度，达到2192°F（1200°C）。”

研究人员计划扩展至更复杂的材料
研究人员表示，目前的合金是对该AI驱动发现平台能力的一次早期展示。

“这个镍-钴-铬体系只有三种元素。从全局来看，这是一个相对简单的体系，”他补充道。

“但它很好地展示了这整个闭环发现平台确实有效。我们接下来想做的是将复杂度提升一些，制造更不可思议的材料，可能含多达十到十二种不同元素。”

“当你添加更多组分时，就能获得不同的强化机制和不同种类的有用性能。还有大量未知领域正等待被发现。”

该研究发表在《npj Advanced Manufacturing》期刊上。