《Science Advances》：变废为宝！AI助力可持续合金设计

近日，香港城市大学、上海交通大学、苏州实验室与德国马克斯·普朗克可持续材料研究所等单位的合作团队，提出基于深度主动优化（Nature Computational Science, 2025, 5(9): 801-812.）的可持续合金设计框架 DAS-DAO，将回收废料的复杂成分与加工工艺纳入联合优化，以全废铁原材料制备出兼具强度与塑性的铸铁。相关论文以“From Scrap to Prime: designing high-performance alloys from dirty feedstocks with machine learning”为题发表在Science Advances期刊。

研究在采用100%回收废料作为原材料的条件下，实现制造成本降低8.1%，成分和工艺优化设计后的新型铸铁在断后延伸率和抗拉强度上突破了现有球墨铸铁的帕累托前沿，为回收金属的高价值利用提供了新的设计路径。

论文 DOI：10.1126/sciadv.aeg9183

1.研究背景：回收金属如何兼顾成本与性能

废旧金属重新熔炼能够减少对原生资源的依赖，但不同来源的废料往往含有多种伴生元素，且成分随批次变化。这些元素会影响凝固、相形成和局部变形，使再生合金的性能控制更加复杂。常用做法是加入原生金属稀释杂质，或通过额外处理降低杂质含量，相应增加了原料与加工成本。

研究团队以球墨铸铁为示例材料，探索在保留复杂成分的条件下，通过成分与工艺协同设计调控组织，使材料适应回收废料。其核心是把杂质影响纳入性能优化，寻找能够兼顾强度、塑性和废料利用的成分和工艺条件。

图1 可持续合金设计的研究思路与性能表现：机器学习引导成分和工艺优化，在提高废料利用比例的同时改善强度与塑性的组合，并降低制造成本。对应论文 Fig. 1。

2.设计方法：从生产数据到实验反馈的闭环优化

DAS-DAO将生产数据库、深度学习预测与树搜索优化结合起来。团队通过自动化产线收集球墨铸铁的成分、工艺、组织和性能数据，建立包含330组有效样本的再生球墨铸铁数据库，记录化学成分、工艺参数、微观组织与拉伸性能；同时引入约2400组原生球墨铸铁的成分与性能数据（无工艺和组织信息），为候选方案筛选提供补充信息。

模型同时考察碳、硅、锰、铜含量，出铁和浇注温度、球化和孕育时间、浇注时间，以及珠光体比例等指标，基于树搜索优化和深度学习模型预测结果探索候选合金设计，进一步进行成分筛选，确定进入实验验证的合金设计方案。筛选出的设计在自动化铸造产线上实施，新合金的性能和组织数据随后反馈到数据库，供下一轮优化使用，优化设计模型与自动化制造产线共同实现了可持续合金自动化闭环设计。

图2 DAS-DAO 的设计与制造流程：生产数据用于训练预测模型，树搜索提出候选设计，成分筛选后开展制造与性能验证，新实验数据再用于更新模型。对应论文 Fig.2

3.实验结果：突破再生球墨铸铁的强度与塑性帕累托前沿

提高合金强度往往伴随塑性下降，单独优化某一指标容易得到失衡的设计。团队引入带帕累托前沿约束的多性能优化目标 MOPC，以已有材料的最佳性能组合为参照，引导算法探索不同强度与塑性水平的候选方案，减少搜索集中于单一性能区间的倾向。

最终接受实验验证的17个设计中，14个超越了原有帕累托前沿。按相近塑性和相近强度水平分别比较，相较于原始数据，抗拉强度增幅最高达到15.2%，断后伸长率增幅最高达到73.2%，表明该框架能够改善强塑性组合。

为检验成分和工艺协同优化的作用，团队分别制备了保留设计工艺、将主要成分改为数据库中位值的对照合金，以及保留设计成分、将工艺参数改为中位值的对照合金。DAO1、DAO2 和 DAO3 均表现出更好的强度与塑性组合，说明成分和工艺之间的匹配是性能改善的重要因素。

图3 代表性合金与对照合金的拉伸性能：后缀 -C 表示改变主要成分，-P 表示改变工艺参数。两类对照共同检验成分与工艺联合设计的效果。对应论文 Fig. 6。

统计分析还显示，新设计在成分、工艺与组织特征上与数据库中的既有方案呈现差异。聚类分析表明，DAS-DAO 设计形成了独立的特征簇，说明算法探索到了不同于既有经验设计的参数组合。

4.组织机制：复杂成分与工艺如何协同改善性能

为揭示性能提升的组织基础，研究团队结合电子显微表征、原子探针分析、热力学计算与相场模拟，对代表性合金及其对照样品进行了多尺度分析，考察成分和工艺变化如何共同影响强化与损伤行为。

在基体中，硅、铜等溶质提供固溶强化，复杂成分参与形成的纳米颗粒能够阻碍位错运动；铁素体与珠光体的合理比例则有助于兼顾塑性变形和承载能力。但纳米颗粒的数量与分布同样需要调控，过度聚集会形成应力集中并促进裂纹萌生。因此，获得更好的强塑性组合需要协调多种组织因素。

图4 DAO1 与成分、工艺对照合金的组织比较：主要成分变化影响相比例和纳米颗粒分布，工艺变化影响石墨形貌及变形局部化；模拟进一步揭示凝固中的元素分配。对应论文 Fig. 4。

石墨的形状、尺寸与分布也影响材料的损伤过程。与工艺对照样品相比，DAO1 的石墨球化程度更高，变形分布更均匀，有助于降低石墨与基体界面的局部应力集中。这些结果说明，DAS-DAO 找到的设计通过基体强化、组织比例与石墨形貌的协同调控，改善了再生球墨铸铁的综合性能。

5.研究意义：面向回收原料开展可持续合金设计

这项研究将回收废料的成分特点提前纳入材料设计，在实际铸造产线上验证了高废料利用比例、较低制造成本与更优强塑性组合可以兼顾。通过数据建模、候选设计、制造验证和实验反馈，团队为复杂再生原料建立了可实施的优化流程。

这一方法有望拓展至具有相似回收需求的钢、铝合金和铜合金等体系。针对具体材料，仍需建立有代表性的成分、工艺与性能数据库，并确定可接受的杂质范围。研究为适应回收原料的合金设计提供了方法基础，也为提升废旧金属的利用价值提供了新的实践路径。

作者与合作单位

Chao Yang（上海交通大学）和 Bo Peng（香港城市大学）为论文共同第一作者；Dierk Raabe（德国马克斯·普朗克可持续材料研究所）、Liuliu Han（苏州实验室及德国马克斯·普朗克可持续材料研究所）和 Ye Wei（香港城市大学）为共同通讯作者。上海交通大学内蒙古研究院、华东理工大学与中南大学研究人员共同参与研究，徐工相关团队为数据收集与实验提供了支持。

该研究获得先进材料国家科技重大专项、上海市自然科学基金、上海交通大学内蒙古自治区科技合作相关计划，以及香港城市大学和中南大学启动经费等支持。

本文来自“材料科学与工程”公众号，感谢论文团队支持。

欢迎留言，分享观点。点亮❤