北京科技大學曲選輝、張百成教授團隊《Scripta Materialia》：高通量+機器學習“畫出”Ti-Ta合金全景圖，實現二元合金設計新范式

在生物醫用金屬材料領域，一個長期存在卻始終難以解決的問題是：如何在提高強度的同時降低彈性模量？ Ti-Ta合金被認為是最有潛力的解決方案之一，Ta元素不僅能夠顯著降低Ti合金的彈性模量、緩解應力屏蔽，還能進一步提升其生物相容性與耐腐蝕性能。然而，這一體系卻面臨一個根本性挑戰：“想得好，做不好”。由于Ti與Ta在熔點和密度上的巨大差異，傳統冶金方法難以實現均勻合金化，往往導致嚴重的成分偏析與組織不均，使得性能優化缺乏可靠基礎。雖然激光粉末床熔融（LPBF）為Ti-Ta合金原位制備提供了新途徑，但現有研究仍停留在少數離散成分點，缺乏對成分—冷卻速率—組織—性能之間全局關系的系統認知，尤其是冷卻過程如何協同調控相穩定性與力學性能，仍未被真正理清。

針對上述關鍵科學問題，北京科技大學曲選輝教授、張百成教授團隊提出了一種基于原位成分梯度設計的高通量研究策略。研究團隊針對Ti到Ta成分連續變化過程中粉末熔化行為和成形特征的差異，設計了沿梯度方向連續變化的激光工藝參數，成功制備出大尺寸Ti-Ta連續梯度合金，從而在單一構建體中實現Ti-Ta合金成分從0–100 at.%的連續變化。在此基礎上，結合不同冷卻條件與高通量表征，首次建立了覆蓋整個成分空間的系統性數據庫，實現了成分—冷卻速率—組織—性能關系的連續映射。論文進一步引入機器學習，揭示了Ta含量和冷卻速率對硬度演化的主導作用，建立了高通量實驗與機器學習相結合的二元合金快速篩選新框架。

相關成果以“The effect of composition and cooling rate on the microstructure and mechanical properties of Ti-Ta alloys: a high-throughput study performed using the in situ compositional gradation via laser powder bed fusion”為題，發表于國際頂級材料學術期刊《Scripta Materialia》。北京科技大學博士研究生宋章為論文第一作者，北京科技大學張百成教授、高磊教授、印度理工學院Ramasubramanian Lakshmi Narayan教授為論文共同通訊作者。

論文鏈接：

https://doi.org/10.1016/j.scriptamat.2026.117337

數據概況：

圖1.（a）粉末輸送示意圖，（B）Ti-Ta CGA制造工藝示意圖，（c）Ti-Ta CGA構建圖像示意圖，以及（d）Ti-Ta CGA熱處理工藝示意圖。

圖2.（a1-n1）Ti-Ta CGA不同成分位置截面的代表性反極圖，（a2-n2）相應的相圖，（e3-e4）Ta 19的典型明場TEM圖像，（e5）相應的SAED圖案，（e6）α″//β界面的高分辨率TEM圖像和（o）相分數的定量統計。

圖3.不同冷卻條件下Ti-Ta CGA沿梯度方向（GD）的橫截面XRD圖譜：（a）AB，（B）水淬，（c）油淬，（d）水冷。

圖4.（a）Ti-Ta CGA的相變和力學行為的準全局圖，作為成分和冷卻速率的函數，（b）隨機森林回歸模型的H的真實值和預測值，（c）基于SHAP值分析的隨機森林回歸模型的H的重要性順序的特征依賴性

這項工作的創新點在于，提出了一種基于LPBF的原位成分梯度設計策略，通過沿Ti到Ta成分方向連續調控激光工藝參數，成功制備出覆蓋0–100 at.%范圍的Ti-Ta連續梯度合金。在此基礎上，結合高通量表征手段系統揭示了成分與冷卻速率協同作用下的相變演化規律，即α→α′→α′+α″+β→α″+β→β的連續轉變路徑，并明確了冷卻速率對β相穩定閾值的關鍵調控作用。同時，構建了成分—冷卻速率—組織—性能（CPMM）全景圖，發現打印態中間成分區間（約Ta19 at.%）由于細晶結構及亞穩α″+β相的協同作用，能夠實現高硬度與低彈性模量的優異匹配。進一步通過機器學習分析表明，Ta含量與冷卻速率是影響硬度的主導因素，實現了從實驗觀察到可解釋預測的跨越。因此，該研究不僅為Ti-Ta合金的成分優化與性能調控提供了明確指導，也建立了一種高通量實驗結合機器學習的材料設計新范式，可推廣至其他增材制造二元及多元合金體系的快速篩選與反向設計。

本文來自“材料科學與工程”公眾號，感謝論文作者團隊支持。

近期學術會議推薦

歡迎留言，分享觀點。點亮?