上海交大Acta Materialia：机器学习加速高强韧生物医用β-钛合金设计研究

本文针对医用β-钛合金开发中强度与塑性难以兼顾的问题，提出结合领域知识与机器学习的创新设计方法。研究背景指出传统钛合金存在潜在毒性或力学性能不足的缺陷，而扭折变形机制可有效提升综合性能。研究目的是通过构建82组合金数据集，采用支持向量回归模型预测力学性能，并利用钼当量等领域知识约束优化成分设计。实验制备的Ti-15Zr-15Nb-1Fe合金实测性能与预测高度吻合，证实该方法可靠性。结论表明多滑移系激活与扭折带协同变形是实现高强韧平衡的关键机制，该框架为生物医用材料开发提供了新范式。