一种计算金属与其合金材料之间相互作用的新方法可以加速寻找一种将陶瓷的硬度与金属的弹性相结合的新材料。

密歇根大学的工程师做出的这一发现确定了这种相互作用的两个方面，可以准确地预测特定合金的行为——并且要求较少，从头开始量子力学计算。

领导这项研究的材料科学与工程助理教授梁奇说：“我们的发现可能使机器学习算法能够用于合金设计，从而有可能加速寻找可用于涡轮发动机和核反应堆的更好合金。”

今天的喷气发动机和核反应堆不能变得太热，否则发动机涡轮的金属或反应堆的内部部件会变软。然而，喷气发动机可以更有效地运行，如果核反应堆能够承受更高的温度，它们就会更安全，齐说。正在寻找一种即使在高温下也非常坚硬但又耐开裂的材料。

材料科学家通过合金来解决这个问题——将金属与一种或多种其他元素混合。金属主要由晶格组成，原子有序排列。然而，缺陷——或晶格被破坏的位置——对材料的行为影响最大，齐说。

“缺陷的特性决定了金属的机械、热和辐射性能，因为与完美位置的原子相比，缺陷处的原子通常具有较少的移动限制，”他说。

一些缺陷是弱点，例如覆盖大面积的晶格断裂 - 称为晶界。但是小的缺陷，例如几行原子的位错，可以通过使其弯曲等来提高金属的性能。

合金元素与缺陷相结合，在主体金属的晶格中形成一个中断网络，但很难预测该网络将如何影响金属的性能。

该团队将他们的研究限制在缺陷处只有一种合金元素的金属——仍然是一个相当大的设计空间，具有数百种材料组合和数百万种缺陷结构。

电子负责将晶格的原子连接在一起，因此该团队寻找电子在普通晶格原子中的结构方式与缺陷原子之间的联系 - 以及这如何改变晶格与原子相互作用的方式合金元素。例如，缺陷处金属和合金元素之间的高相互作用能通常会降低金属的柔韧性，而较低的能量意味着它们没有那么紧密地结合在一起。

该团队确定了两种度量，他们称之为“描述符”，它们代表了纯金属缺陷处电子结构的变化方式。使用这些，他们可以弄清楚合金元素如何与缺陷相互作用。

“我们惊讶地发现，给定特定的金属晶体和合金元素，对不同类型的缺陷和位点具有预测能力，”材料科学与工程博士后研究员、论文的第一作者 Yong-Jie Hu 说。自然通讯。

研究小组发现，他们可以预测合金元素的原子如何集中在各种缺陷上——包括复杂类型的缺陷，例如高角度晶界，其中晶格主要未对齐。

这些描述符的识别是朝着能够有效地利用机器学习进行合金设计的重要一步，使用算法来浏览高精度但计算密集型量子力学模拟的结果。

然而，研究人员指出，必须发现更多的描述符来预测更复杂的合金将如何表现，例如那些在缺陷处具有两种或多种合金元素的合金。虽然这些描述符可能会用于机器学习，但人类可能会识别它们。

“这一发现是通过从经典电子模型中‘人类学习’得出的，”齐说。“这表明，在大数据和人工智能时代，人类智能仍然为科学发现提供了可靠的资源。”

该研究发表在《自然通讯》杂志上，由美国国家科学基金会和密歇根大学资助。