、
超大规模集成电路制造往往依赖于金属材料的可持续发展。大语言模型的可解释性，有望打开AI黑盒子，赋能合金材料自主设计，最大限度减少高端合金中不必要元素（稀缺、昂贵、有毒等）的使用，提高可持续性。
近日，北京科技大学谢建新院士团队报道了一种新型的合金设计策略，融合了物理化学因素筛选、基于SHAP的“黑盒”解释方法和元素影响的敏感性分析，成功构建了合金成分和性能的“白盒”模型，有效选择合金元素，以降低了C70350合金系列中的Co含量。
相关研究工作以“Empowering the Sustainable Development of High-End Alloys via Interpretive Machine Learning”为题发表在国际顶级期刊《Advanced Materials》上。
研究背景
在过去几十年中，稀有、昂贵和有毒的元素被广泛应用于金属合金，尤其是结构合金，以确保优异的性能。然而，这些元素的使用不仅增加了合金的成本，还限制了其可持续发展。
以用于超大规模集成电路和高端电子元件连接器中的引线框架的铜合金为例，这些合金的成分已从Cu-Ni-Si（如ASTM标准C70250合金）和Cu-Cr体系转变到Cu-Ni-Co-Si体系（如C70350合金，1.0-2.0wt.%Co），以实现力学和电学性能的优异组合。尽管Co已被证明能有效提高C70350合金的力学和电学性能，但它是一种全球稀缺且昂贵的元素。
为了应对使用稀有元素所带来的可持续性挑战，Lu等人和Raabe等人提出了革命性的“材料平面化”概念，其目的是通过控制和操纵微观结构和缺陷来降低合金化程度。这一概念极具吸引力，并具有很高的应用潜力。
事实上，如果合金的性能能够在很大程度上通过将稀缺、昂贵和有毒的元素与丰富、廉价和安全的元素进行深思熟虑的交换来保持，这将是促进金属材料可持续发展的重要途径。然而，实现这一目标带来了与定制合金成分和优化工艺的重大挑战。
本文亮点
近日，北京科技大学谢建新院士团队报道了一种新型的合金设计策略，该策略结合了物理化学因素筛选、基于SHAP（SHapley Additive exPlanations）的“黑盒”解释方法和元素影响的敏感性分析。通过这种策略，成功构建了合金成分和性能的“白盒”模型，使元素能够有效合理选择，以丰富的合金元素替代稀缺的合金元素。通过降低C70350合金系列中的Co含量，来验证这一策略的成功。
事实上，Cu-1.95Ni-0.5Co-0.6Si-0.2Mg-0.1Cr（wt.%）是通过在Cu-Ni-Co-Si-Mg体系中仅用微量Cr代替Co，并进行成分优化而获得的超低含Co合金。尽管Co含量降低了64%（从1.4wt.% 降至0.5wt.%），但合金的性能（极限抗拉强度和电导率分别为850MPa和47.2%IACS）与C70350合金相当。
本研究为金属合金中稀有和不必要元素的替代提供了一条新途径，有助于金属材料的可持续和绿色发展。
研究内容
基于博弈论和运筹学中使用的理论和算法，研究者提出了一种合金的替代元素交换设计策略。
首先，元素特征分析与基于博弈论的可解释SHAP方法相结合，建立了与关键合金因素和性能相关的明确规律。然后，用于筛选有利元素以替换不需要的元素，同时确保合金性能。在此基础上，运用了运筹学的敏感性分析，从筛选出的少数元素中确定最佳元素，并优化了所有最终合金元素的含量。
以Cu-Ni-Co-Si系（C70350系）合金的重新设计为例，研究者通过添加微量Cr并优化合金元素Ni和Mg的含量，显著降低了Co含量，同时保持合金性能。
这项研究不仅证明了设计策略的有效性，也为使用丰富元素替代金属合金中的稀有和不需要的元素提供了一种新方法，促进了金属材料的可持续和绿色发展。
图文导读
图1. 通过结合关键合金因素筛选、SHAP方法和灵敏度分析，合金设计中元素替换的新型解释性机器学习工作流程。
图2. 机器学习模型和SHAP分析
图3. 合金元素对性能影响的排名和敏感性分析
图4. 采用工业方法制备的新型05Co合金的性能，及与文献的比较
图5. 新型05Co合金的微观结构
图6. 当Co被Cr替代时，Cu-Ni-Co-Si-Mg-Cr合金中合金元素随Co含量的变化
图7. 04Co合金的性能和显微组织
结论与展望
这项研究提出了一种新策略以有效提供替代设计，最大限度减少高端合金中不必要元素（稀缺、昂贵、有毒等）的使用，并提高可持续性。
该策略结合了物理化学因素筛选、“黑盒”解释的SHAP分析和元素影响的敏感性分析。通过这些方法，构建了一个合金成分和性质的“白盒”模型，它能够清楚地识别影响性质的关键物理化学因素和机制，从而指导合理选择元素，有效地用丰富的合金元素替代稀缺元素。例如，该策略被应用于铜合金，目的是替代稀有元素Co。
研究发现，平均晶格常数c（M-S12）和平均质量衰减系数（M-A8）分别是影响合金力学和电学性能最大的关键因素。M-S12值越大，力学性能越好，而M-A8值越高，合金的EC越高。使用这些关系，确定Cr是替代Co的最佳元素，这导致Co含量从1.4 wt.%降低到0.5 wt.%，同时保持高合金性能。
此外，这一策略还可以扩展到高端航空航天合金的迭代开发，如铝、钛和镁。例如，通过这一策略可以降低高端铝合金（如7050和7136）中高密度Cu的含量，同时保持或提高其机械性能。合金密度的降低，有助于制造轻质设备。
论文链接
「点击文末“阅读原文”可查看全文」
H. Zhang, H. Fu, W. Li, L. Jiang, W. Yong, J. Sun, L.-Q. Chen, J. Xie, Empowering the Sustainable Development of High-End Alloys via Interpretive Machine Learning. Adv. Mater. 2024, 2404478.
https://doi.org/10.1002/adma.202404478
https://onlinelibrary.wiley.com/doi/10.1002/adma.202404478
北京科技大学
锻造钢筋铁骨
「北京科技大学」
