然而，由于实验能力等物理限制，大量可能的配方尚未得到探索。面对数以万计的材料组合，从中筛选出适用于3D打印的新型合金本就是一项艰巨任务，而对于由三种或更多主要元素组成的复杂合金而言，更是困难重重。

为解决这一问题，并探索更广阔的材料设计空间，Yu Zou团队与Jason Hattrick-Simpers合作，引入了AI技术。

他们采用了一种称为主动学习（Active Learning）的方法，将计算机模拟、机器学习和机器人辅助制造相结合，构建了一套自主运行实验室（Self-driving Lab），能够在几乎无需人工干预的情况下，自动验证最具潜力的材料方案。

该项目获得了多伦多大学加速联盟（Acceleration Consortium）的部分支持。该联盟汇聚政府、高校和产业界力量，利用AI与自动化技术加速新材料的发现。

论文第一作者、多伦多大学Yu Zou课题组博士生Ajay Talbot表示：“利用AI设计材料时，一个常见难题是，大多数机器学习模型都需要大量已知材料性能数据进行训练。”相关研究发表于期刊《npj Advanced Manufacturing》。

Ajay Talbot直言：“但如果你探索的是此前从未涉足的材料设计空间，这些数据根本不存在，相当于在‘摸黑前进’。我们的解决方案是采用低数据依赖（data-lean）模型，让模型能够边探索边学习。主动学习模型会有策略地选择少量样品进行制备和测试，再将实验结果反馈给模型，指导下一轮搜索方向，大幅提升研发效率。”

为了验证这一方法的价值，Ajay Talbot及其团队将研究对象锁定为一种成分复杂合金（Compositionally Complex Alloys），该体系主要由三种元素组成，分别是镍、钴和铬（Cr），且三者含量均较高。

仅用数周时间，这座自主运行实验室便筛选出6种具有优异性能的新型合金。

Ajay Talbot称：“我们的目标性能之一，是材料在高达600°C环境下仍具备优异的抗穿刺性，这正是喷气发动机前端区域所面临的工作温度。目前行业标准材料是镍基高温合金，例如Inconel 625。但我们开发出一种由12%镍、62%钴和26%铬组成的新合金，在超高温下保持硬度的能力表现十分出色。尽管仅由三种元素组成，但在实验室测试中，其性能仍比含有10多种元素的Inconel 625高出4.5%。”

图片来源：Tyler Irving / 加拿大多伦多大学工程学院

团队开发的另一种合金则面向喷气发动机后端，其工作温度可高达1000°C。

Ajay Talbot解释道：“在这样的环境中，材料会形成氧化皮（oxide scale），本质上就是材料不断被高温氧化烧蚀。我们发现，一种由36%镍、14%钴和50%铬组成的新材料，在高温抗氧化性能方面表现极为突出，其性能甚至比Inconel 625高出85%。未来，我们还计划进一步挑战1200°C的更高工作温度。”

Ajay Talbot表示，论文报道的新型合金只是一个开始。“镍-钴-铬体系只有三种元素，从整体来看仍属于相对简单的材料体系。不过，它很好地证明了这套闭环材料发现平台（Closed-loop Discovery Platform）确实行之有效。下一步，我们希望进一步提升体系复杂度，开发由10种甚至12种不同元素组成的更先进合金。随着合金组分不断增加，可以获得更多不同的强化机制以及更多有价值的材料性能。还有大量新材料等待我们去发现。”

为给大家提供精准的需求对接和服务，启明增材制造多材料增材制造交流群正式上线，欢迎大家扫码进群交流探讨↓↓↓。