从汽车到卫星，从建筑材料到电子产品，高级金属合金在现代生活的关键部分都是必不可少的。但是，由于研究人员对构成大多数金属的微小晶粒之间的边界发生了模糊的理解，因此限制了强度，硬度，耐腐蚀性，导电性等最佳强度的新型合金的研发。

当两种金属混合在一起时，次要金属的原子可能会沿着这些晶界聚集，或者它们可能会扩散穿过晶粒内的原子晶格。材料的整体性能在很大程度上取决于这些原子的行为，但是到目前为止，还没有系统的方法来预测它们的作用。

麻省理工学院的研究人员现在已经找到了一种方法，结合了计算机模拟和机器学习过程，可以对这些特性进行各种详细的预测，从而可以指导新合金在各种应用中的开发。今天的研究结果在《自然通讯》杂志上进行了描述，该论文由研究生Malik Wagih，博士后Peter Larsen和材料科学与工程学教授Christopher Schuh撰写。

Schuh解释说，了解占我们使用的绝大多数金属的多晶金属的原子级行为是一项艰巨的挑战。尽管单晶中的原子以有序的方式排列，所以相邻原子之间的关系是简单且可预测的，而大多数金属物体中的多个微小晶体却不是这种情况。他说：“在我们称为晶界的地方，晶体被粉碎在一起。在传统的结构材料中，有成千上万个这样的晶界。”

这些边界有助于确定材料的特性。他说：“您可以将它们视为将晶体粘合在一起的胶水。” “但是它们是无序的，原子被弄乱了。它们与它们所加入的晶体都不匹配。” 他说，这意味着它们提供了数十亿种可能的原子排列，而晶体中只有少数原子排列。创造新合金涉及“试图设计金属内部的这些区域，这实际上比在晶体中设计要复杂数十亿倍”。

舒(Schuh)向附近的人们打个比喻。“这有点像在郊区，您周围可能有12个邻居。在大多数金属中，您环顾四周，您会看到12个人，并且他们与您的距离相等。这是完全同质的。在一个粮食边界上，您仍然有12个邻居，但是它们的距离不同，并且都是不同方向的大小不同的房屋。”

他说，传统上，那些设计新合金的人只是跳过了这个问题，或者只是以相同的眼光看待晶界的平均特性，即使他们知道事实并非如此。

相反，该团队决定通过检查大量代表性案例的配置和交互作用的实际分布，然后使用机器学习算法从这些特定案例中推断并提供整个范围内的预测值，来严格解决该问题。可能的合金变化。

在某些情况下，原子沿晶界聚集是一种理想的特性，可以增强金属的硬度和耐腐蚀性，但有时也会导致脆化。根据合金的预期用途，工程师将尝试优化性能的组合。在这项研究中，研究小组根据文献中基本水平上描述的组合，研究了200多种贱金属和合金金属的不同组合。然后，研究人员系统地模拟了其中一些化合物，以研究其晶界构型。这些被用于通过机器学习生成预测，然后通过更集中的仿真进行了验证。机器学习的预测与详细的测量非常吻合。

瓦吉说，结果是，研究人员能够证明实际上被认为是不可行的许多合金组合都是可行的。他说，这项研究汇编的新数据库已在公共领域提供，它可以帮助现在从事新合金设计工作的任何人。

团队正在推进分析。Schuh说：“在我们理想的世界中，我们要做的是吸收周期表中的每种金属，然后再向其中添加周期表中的所有其他元素。” “所以拿周期表，将其与之交叉，然后检查所有可能的组合。” 他说，对于这些组合中的大多数，尚无法获得基本数据，但是随着越来越多的仿真和数据收集，可以将其集成到新系统中。

乔治·梅森大学的物理学和天文学教授尤里·米申(Yuri Mishin)并未参与这项工作，他说：“合金中固溶元素的晶界偏析是材料科学中最基本的现象之一。偏析会灾难性地脆化晶界或改善其内聚力和滑动阻力。精确控制偏析能是设计具有先进机械，热或电子性能的新技术材料的有效工具。”

但是，他补充说：“现有隔离模型的主要限制是对平均隔离能量的依赖，这是一个非常粗略的近似值。” 他说，这就是挑战，该团队已成功解决：“研究质量非常好，其核心思想通过为合金元素的分离能力提供快速筛选的框架，具有极大的潜力影响合金设计领域。到晶界。”