日期:2026-11-18 来源:资源与材料学院
作者:郭思璇 编辑:金子骊 曾紫玉 关注:[]
近日,我校资源与材料学院高秋志教授团队在人工智能辅助高温合金抗氧化设计研究领域取得重要进展,研究成果“Revealing a Cr-Ti Compositional Boundary for Continuous Al2O3 Formation in Co-Based Superalloys via a Knowledge-Guided Multi-Agent Framework(基于知识引导多智能体框架揭示钴基高温合金连续氧化铝膜形成的Cr–Ti成分边界)”发表在腐蚀领域国际顶级期刊Corrosion Science(中科院一区TOP期刊,影响因子10.3)。博士生裴成蒿为论文第一作者,高秋志教授为通讯作者,东北大学为第一完成单位。

钴基高温合金因具有优异的高温力学性能和良好的组织稳定性,被认为是航空航天、能源动力等领域极具应用潜力的新型高温结构材料。然而,其高温抗氧化性能高度依赖于连续致密Al2O3保护膜的形成,而多组元合金元素之间复杂的相互作用,使氧化行为及其成分依赖机制难以准确预测。现有研究虽积累了大量实验数据和机理认识,但相关知识分散于不同文献和合金体系中,尚难以形成可定量验证的合金设计依据。本研究团队首次提出了一种知识引导的多智能体研究框架,融合文献机理知识提取、机器学习预测与热力学计算,揭示了钴基高温合金由持续内氧化向形成连续Al2O3保护膜转变的关键Cr–Ti成分边界。高温氧化实验验证了边界附近微小成分变化即可引起的氧化模式转变,并进一步从热力学和离子输运角度提出了相应的机制解释。该研究为高温合金抗氧化成分设计提供了新的定量判据,也为人工智能与材料机理知识融合驱动的材料设计研究指明了可借鉴的方法路径。该研究得到国家自然科学基金和驻冀高校与石家庄市产学研合作项目等支持。

图 知识引导多智能体框架揭示钴基高温合金Cr–Ti成分边界及其氧化转变机制