Machine Learning Assisted Design of Complex and High Entropy Alloys by Hybrid HiPIMS/Pulsed-DC PVD Process for Low Carbon Energy Applications in Extreme Environments

伟大的材料大搜寻：为什么我们需要新的“超级配料”

想象一下，你正试图制作一个终极三明治。你希望它既有脆爽的口感，又有足够的柔软度以便咀嚼；它需要在热烤箱中保持新鲜，同时也要能在严寒的冬季生存下来。在现实世界中，科学家们在制造用于核电站或氢燃料电池等设备的材料时，面临着类似的挑战。这些机器运行在“极端环境”中——即极其高温、具有腐蚀性且受到辐射轰击的地方。用于这些设备的材料必须足够坚韧，能够同时抵御所有这些攻击，但寻找完美的配方就像是在一个银河系大小的草堆里寻找一根针。

传统上，科学家通过混合配料、进行测试，如果失败了，再尝试混合其他东西来寻找新材料。这被称为“试错法”。但对于现代材料而言，元素（即“配料”）的组合方式实在太多了，如果逐一尝试，所需的时间将超过人类的一生。这就是一种新型助手进入故事的地方：人工智能（AI）。不要把 AI 仅仅看作是一个制作三明治的机器人，而要把它看作是一位超级聪明的厨师，他读过每一本写过的食谱，甚至在你打开炉灶之前，就能猜出完美的配方。本文讲述的是如何教这位 AI 厨师去设计一种名为“高熵合金”的新型超级材料，并弄清楚如何使用一个名为“溅射机”的特殊厨房来“烹饪”它。

---

论文的故事：教机器人厨师烹饪超级金属

这篇论文讲述了法国的一个研究团队如何试图加速发现用于清洁能源的新型超强韧材料。他们正在参与一个名为 DIADEM 的大型国家项目，这个项目就像一个巨大的网络，连接着科学家、计算机和高科技机器，以解决“大海捞针”的问题。

问题所在：“鸡尾酒效应”

他们感兴趣的材料被称为复杂浓缩合金或高熵合金。想象一下用五种或更多种不同的水果做成的奶昔。在普通烹饪中，如果你混合太多东西，可能会得到奇怪的味道或出现分层。但在这些特殊的合金中，将五种或更多元素等量混合会产生一种神奇的“鸡尾酒效应”。这种混合物变得非常稳定且强大，即使在最恶劣的条件下也能抵抗熔化、生锈和破碎。

问题在于，由于混合这些元素的方式实在太多，人们无法仅凭猜测就能知道哪种特定的配方最适合特定的工作，比如保护核反应堆或氢气罐。

解决方案：数字发现中心

研究人员使用了一台名为 DIADEM-2D 的特殊机器。可以将这台机器想象成一个带有四个不同喷嘴的高科技喷漆器。每个喷嘴都装有一种纯金属（如铬、镍或铝）。该机器不仅仅是喷涂一种颜色，它可以同时喷涂四种金属，并将它们混合在单个硅片上。通过让硅片在喷嘴下方移动，他们可以创建一个“梯度”，其中一侧主要是镍，中间是五种金属的混合物，另一侧则主要是铝。这使得他们只需通过一次实验，就能测试数百种不同的配方，而不是制作数百个单独的样本。

AI 大脑：学习厨房的规则

这就是 AI 发挥作用的地方。团队希望教计算机预测两件事：

1. 正向预测： 如果我将机器设置为这些特定的功率水平，最终的金属混合物看起来会是什么样？
2. 反向预测（难点）： 如果我想要一种特定的混合物（例如 20% 的镍和 30% 的铬），我应该将机器的功率水平设置为多少？

通常，“反向”问题对计算机来说是一场噩梦，因为有无数种混合配料的方法可以得到相同的结果。为了解决这个问题，研究人员创建了一个特殊的 AI 模型，它并不关心元素的“名称”（如“镍”或“铁”）。相反，它关注的是烹饪过程的“物理特性”，例如原子从靶材上飞出的速度（溅射产额）。这使得 AI 具有“元素无关性”，这意味着它可以学习厨房的规则，并将其应用于任何新的配料组合，而无需从头开始重新学习一切。

他们的发现

团队在一个包含 7 种元素、共 82 次实验的数据库上测试了他们的 AI。

• 好消息： AI 在预测正向过程方面表现得非常出色。当他们告诉 AI 功率设置时，它能以很高的准确度预测最终的化学成分（误差约为 0.1）。
• 挑战： 反向预测则更为棘手。当他们问 AI，“我需要多大的功率才能得到这种特定的混合物？”时，预测结果稍显粗糙，误差范围约为 70 瓦特。论文指出，这是因为“反向”问题在数学上非常混乱（许多功率设置都可以导致相同的混合结果），且 AI 需要更多的数据才能达到完美。
• 结论： 研究人员证明了这种方法是行之有效的。他们成功展示了 AI 可以引导机器创造出特定的高熵合金，证明了我们可以从随机猜测转向“逆向设计”（即从目标出发，反向推导配方）。

为什么这很重要

论文强调了这些新材料的两个特定“任务”：

1. ADREAM： 制造在熔盐中不会熔化或生锈的涂层，这种熔盐被用于下一代核反应堆。
2. ASTERIX： 为核燃料棒制造“扩散屏障”。目前，如果反应堆过热，内部的金属层会熔化在一起。该团队利用 AI 找到了一种金属混合物（具体为钒、铌、钼和钨），它能起到屏蔽作用，即使在高达 1400°C 的温度下也能保持各层分离。

未来：从向导到自动驾驶

作者谨慎地表示，这仅仅是个开始。目前，AI 就像一个提供食谱建议的得力向导，但仍需人类来检查结果。最终目标是建立一个“自动驾驶实验室”，在那里，AI 会实时观察机器，观察正在发生的变化，并立即调整功率设置，从而在无需人类帮助的情况下获得完美的结果。

他们计划向 AI 输入更多数据，不仅包括化学成分，还包括金属的外观（晶粒尺寸）以及它的强度。通过将这种智能 AI 与他们超快速的混合机器相结合，他们希望开启一个新材料时代，使清洁能源更安全、更高效，同时减少以往所需的多年试错过程。