智创钛合金新突破！西工大JMI发文：实现极端条件下强塑协同的智能设计 | 基于知识的数据驱动型智能设计极端条件下超强韧性近α型钛合金

本文基于知识驱动的数据驱动机器学习框架，提出了一种在极端条件下（高应变率）实现近α钛合金强塑协同的智能设计方法。研究针对传统钛合金设计依赖试错法、难以兼顾高应变率下的强度与塑性的问题，构建了包含175组强度数据和312组塑性数据的材料数据库，以及涵盖本征物理、电子结构等多维特征池。通过相关性分析、重要性分析和特征子集搜索的三阶段特征选择，确定了强度由应变率、费米能、相形成参数Ω共同调控，塑性则由应变率、B/G比、混合焓主导。基于12种机器学习模型的评估，梯度提升回归树（GBRT）用于强度预测（R2=0.91），随机森林（RF）用于塑性预测（R2=0.82），并融合NSGA-II多目标优化算法，从20万候选成分中筛选出14个帕累托最优合金。其中代表性合金在3000s-1应变率下实现1600 MPa动态抗压强度与26%塑性的突破性组合，性能显著优于传统TA15钛合金。通过Johnson-Cook本构建模和Thermo-Calc热力学计算验证，新合金在绝热温升和应力-应变响应方面具有更低失效风险，证实其在弹头等极端冲击场景的应用潜力。研究建立了极端条件下钛合金智能设计的新范式，未来将拓展至高温合金、高熵合金等领域。