形狀記憶合金 (SMA) 是固態(tài)驅(qū)動(dòng)和熱能收集應(yīng)用的優(yōu)秀候選材料。然而，與溫度誘導(dǎo)的馬氏體轉(zhuǎn)變相關(guān)的不可逆微觀結(jié)構(gòu)機(jī)制導(dǎo)致效率低下，限制了它們的使用。

近日，來(lái)自得克薩斯農(nóng)工大學(xué)（TAMU）材料科學(xué)與工程系的研究人員使用人工智能材料選擇框架 (AIMS) 發(fā)現(xiàn)了一種新的形狀記憶合金。形狀記憶合金在鎳鈦基材料中表現(xiàn)出迄今為止最高的效率。此外，他們的數(shù)據(jù)驅(qū)動(dòng)框架為未來(lái)材料開(kāi)發(fā)提供了概念證明。

該研究以「Data-driven shape memory alloy discovery using Artificial Intelligence Materials Selection (AIMS) framework」為題，發(fā)表在《Acta Materialia》上。

形狀記憶合金是通過(guò)熱彈性與馬氏體相變及其逆變而具有形狀記憶效應(yīng)的由兩種以上金屬元素所構(gòu)成的材料。形狀記憶合金是形狀記憶材料中形狀記憶性能最好的材料。迄今為止，人們發(fā)現(xiàn)具有形狀記憶效應(yīng)的合金有 50 多種。

形狀記憶合金被用于需要緊湊、輕便和固態(tài)驅(qū)動(dòng)的各個(gè)領(lǐng)域，取代液壓或氣動(dòng)驅(qū)動(dòng)器，因?yàn)樗鼈兛梢栽诘蜏叵伦冃�，然后在加熱時(shí)恢復(fù)到原來(lái)的形狀。這種獨(dú)特的性能對(duì)于應(yīng)用至關(guān)重要，例如作為飛機(jī)機(jī)翼、噴氣發(fā)動(dòng)機(jī)和汽車部件，它們必須承受反復(fù)的、可恢復(fù)的大形狀變化。

自 20 世紀(jì) 60 年代中期以來(lái)，形狀記憶合金取得了許多進(jìn)步，但都是有代價(jià)的。理解和發(fā)現(xiàn)新的形狀記憶合金需要通過(guò)實(shí)驗(yàn)和臨時(shí)試驗(yàn)和錯(cuò)誤進(jìn)行廣泛的研究。盡管許多已經(jīng)記錄在案大約每 10 年，就會(huì)發(fā)現(xiàn)一種重要的形狀記憶合金成分或系統(tǒng)。此外，即使形狀記憶合金取得了進(jìn)步，它們也受到能量效率低的阻礙，這是由于在大的形狀變化過(guò)程中其微觀結(jié)構(gòu)的不相容性造成的。此外，眾所周知，它們很難從頭開(kāi)始設(shè)計(jì)。

為了解決這些缺點(diǎn)，TAMU 的研究人員結(jié)合實(shí)驗(yàn)數(shù)據(jù)創(chuàng)建了一個(gè)人工智能材料選擇（AIMS）計(jì)算框架，該框架能夠確定最佳材料成分并處理這些材料，從而發(fā)現(xiàn)了一種新的形狀記憶合金成分：Ni32Ti47Cu21 (at. %)。

本研究使用的 AIMS 框架的材料信息學(xué)策略，在 50 MPa 或更高的施加應(yīng)力下尋找具有最小轉(zhuǎn)換范圍和至少 1.5% 的驅(qū)動(dòng)應(yīng)變的 SMA。

該過(guò)程需要使用機(jī)器從文獻(xiàn)和高通量實(shí)驗(yàn)中提取和清理有關(guān)材料系統(tǒng)的大量數(shù)據(jù)。AIMS 框架使用各種機(jī)器學(xué)習(xí)方法來(lái)指導(dǎo)材料的探索和發(fā)現(xiàn)。學(xué)習(xí)發(fā)現(xiàn)有關(guān)材料系統(tǒng)的定性和定量信息，并對(duì)未知的材料成分和加工參數(shù)進(jìn)行預(yù)測(cè)。然后合成選定的材料，并將預(yù)測(cè)與實(shí)驗(yàn)數(shù)據(jù)進(jìn)行比較，并重復(fù)該過(guò)程。

在使用 AIMS 進(jìn)行的研究中發(fā)現(xiàn)的形狀記憶合金被預(yù)測(cè)，并證明可以實(shí)現(xiàn)有史以來(lái)最窄的滯后。換句話說(shuō)，該材料在將熱能轉(zhuǎn)換為機(jī)械功時(shí)表現(xiàn)出最低的能量損失。由于相變溫度窗口極小，該材料在進(jìn)行熱循環(huán)時(shí)表現(xiàn)出很高的效率。該材料在重復(fù)驅(qū)動(dòng)下也表現(xiàn)出良好的循環(huán)穩(wěn)定性。

鎳鈦銅成分是形狀記憶合金的典型組成。鎳鈦銅合金通常含有 50% 的鈦并形成單相材料。使用機(jī)器學(xué)習(xí)，研究人員預(yù)測(cè)了一種不同的成分，鈦含量為 47%，銅含量為 21%。

雖然這種成分處于兩相區(qū)域并形成顆粒，但它們有助于提高材料的性能，材料科學(xué)與工程系的博士生和研究生研究助理、該論文的第一作者 William Trehern 解釋說(shuō)。

特別是，這種高效的形狀記憶合金適合于利用機(jī)器產(chǎn)生的廢棄能量的熱能收集和冷卻電子設(shè)備的熱能儲(chǔ)存。

值得注意的是，AIMS 框架提供了在材料科學(xué)中使用機(jī)器學(xué)習(xí)技術(shù)的機(jī)會(huì)。研究人員看到了為各種其他應(yīng)用發(fā)現(xiàn)更多具有所需特性的形狀記憶合金化學(xué)物質(zhì)的潛力。

Karaman 說(shuō)：“使用機(jī)器學(xué)習(xí)來(lái)發(fā)現(xiàn)我們的大腦或已知物理原理可能無(wú)法解釋的聯(lián)系是一個(gè)啟示。我們可以使用數(shù)據(jù)科學(xué)和機(jī)器學(xué)習(xí)來(lái)加快材料發(fā)現(xiàn)的速度。我也相信如果我們關(guān)注機(jī)器學(xué)習(xí)可以找到的聯(lián)系，我們就有可能發(fā)現(xiàn)我們以前不知道的材料行為背后的新物理或機(jī)制。”

Arróyave 說(shuō)：“雖然機(jī)器學(xué)習(xí)現(xiàn)在廣泛用于材料科學(xué)，但迄今為止的大多數(shù)方法都側(cè)重于預(yù)測(cè)材料的特性，而不一定解釋如何處理它以實(shí)現(xiàn)目標(biāo)特性。在這里，該框架不僅著眼于候選材料的化學(xué)成分，而且也關(guān)注獲得感興趣的特性所需的處理。”