高通量实验和数据驱动方法在金属玻璃领域中的应用

今日新材料

扫描二维码查看原文、MGE Advances期刊网址

文章介绍

金属玻璃具有出色的力学、热学和电学性质，在许多领域具有广泛的应用前景。然而，由于其特殊的非晶态结构和复杂的成分组成，金属玻璃的研究和开发一直面临挑战。材料基因工程为金属玻璃的研究提供了新的思路和工具，可以加速新材料的发现和性能预测。

中国科学院物理研究所亚稳金属材料研究团队总结了材料基因工程在金属玻璃领域中应用进展。材料基因工程涉及四个主要方面，包括数据生成、数据挖掘、材料预测以及验证过程。数据生成通过高通量实验和模拟来产生大量的数据集，其中包含有关材料组成、结构、性质和性能的信息。数据挖掘利用统计和机器学习技术来发现不同属性之间的相关性。材料预测则基于数据挖掘中获得的见解和标准来预测和设计新材料，最后通过实验进行验证。这些方面相互关联，共同推动材料基因工程的发展。

图1 材料基因工程的要素

高通量实验包括组合制备和高通量表征两个部分。前者涉及大量样品的并行制备，而后者则涉及对这些样品的高效分析，以快速确定其成分、结构和性质。目前成熟的高通量制备方法包括磁控溅射和激光增材制造等手段。高通量表征方法包括X射线衍射（XRD）、X射线能谱（EDX）以及纳米压痕等技术。通过高通量实验方法生成的数据可以用于构建高质量的材料数据库，从而有助于新材料的设计。

包括机器学习技术在内的数据驱动方法对金属玻璃的发展起到了重要的促进作用。文章中简要介绍了在机器学习方法金属玻璃领域中所面临的问题，并通过实例介绍了传统机器学习、卷积神经网络、生成式网络等模型及其作用。值得注意的是，将高通量实验方法与机器学习技术相结合，可以有效加速金属玻璃的迭代速度。

文章最后对材料基因工程在金属玻璃中的应用进行了展望，主要包括以下几点：1）探究薄膜材料和块体材料之间的准确关联。2）构建涵盖多种元素和体系的高质量金属玻璃数据库。3）探索高熵金属玻璃的独特性能与物理。

引用本文

Xie W,Wang W,Liu Y. On the applicationof high-throughput experimentation and data-driven approaches in metallic glasses. MGE Advances. 2023;e8. https://doi.org/10.1002/mgea.8

作者介绍

柳延辉，中国科学院物理研究所研究员，博士生导师，EX11组组长，国家杰出青年科学基金获得者，国家重点研发计划项目负责人。主要从事新型金属材料的高通量探索、物性及应用。在Nature(1), Science(1), Nature Materials(2), Nature Communications(7), Physical Review Letters(3)、Advanced Materials(2)等期刊上发表论文90余篇。曾获中国科学院院长特别奖(2007)、中国基础研究十大新闻(2007年度)、全国百篇优秀博士论文(2010)、国家杰出青年科学基金(2018)、国家自然科学二等奖(2019, 第四完成人)、中国科学十大进展(2019年度)等奖励和荣誉。

汪卫华，中国科学院院士，美国物理学会会士，发展中国家科学院（TWAS）院士。中国科学院物理研究所研究员、博士生导师、EX4组组长。主要从事非晶态物理，新型非晶、纳米材料及其它亚稳材料在高压、低温、微重力等极端条件下的制备、结构、物性研究。99年国家杰出青年基金获得者。2003-2012年国家基金委非晶材料和物理研究创新群体学术带头人。在Science, Nature， Nature Mater, Phys. Rev. Lett, Advanced Mater, Phys. Rev. B, Appl. Phys. Lett.等国际一流学术期刊上发表SCI论文300多篇。

谢桅杰，中国科学院物理研究所博士在读，导师是柳延辉研究员。研究方向是新型金属材料的高通量探索、物性及应用。

继续滑动看下一个