特殊鋼的高通量計算與設計

王晨充，魏曉蓼，沈春光，徐 偉

(東北大學 軋制技術及連軋自動化國家重點實驗室，遼寧 沈陽 110819)

1 前 言

在當今國家發展建設中，從鐵路、建筑等基礎設施建設到飛機制造、海洋工程等高端裝備制造，鋼鐵材料都是至關重要的核心基礎材料。然而，鋼鐵材料作為傳統材料雖然經歷了數千年的發展，但仍存在眾多基礎理論問題尚未解決。目前，鋼鐵材料處于迅猛發展的階段，對其使役性能、成本等提出的高要求使材料成分、工藝越來越復雜，尤其是高端裝備用特殊鋼，其研發往往涉及多成分、復雜工藝以及多層級復雜組織的設計與調控。傳統鋼鐵材料設計中以經驗指導實驗的試錯法研發方式雖然能在部分問題上繞過物理機理不明的限制，但同時也會消耗大量的時間和成本，因此已經無法滿足各個領域對鋼鐵材料的迫切需求。與傳統鋼鐵材料研發模式不同，材料基因模式下的高通量計算設計方法從材料性能要求出發，倒推出相應組織結構，進而對成分、工藝進行計算設計并通過實驗驗證，可滿足特殊鋼的短周期、高性能研發目標。因此，為了適應時代發展需求，鋼鐵材料，尤其是特殊鋼的研發方式需要逐漸從傳統試錯法向計算設計到實驗驗證模式轉變。

隨著材料基因工程的興起，高通量集成計算設計在特殊鋼研發中的應用受到更為廣泛的重視，而材料基因思想也進而在其它成分、工藝更為簡潔的材料體系中得到了進一步發展?；诓牧匣蚪M思想的材料研發主要分為3個模塊(如圖1所示)[1]：高通量計算設計、高通量制備與表征和數據庫集成技術。這3個模塊是交叉融合、相輔相成的。其中數據庫集成技術主要是對已有的實驗數據、高通量計算設計結果、高通量制備與表征結果等多方面信息的歸納、總結與深入挖掘。數據庫是材料高通量計算、設計的前提和基礎，目前特殊鋼有關數據庫還很缺乏，因此前期通過材料制備表征等獲得可靠的特殊鋼基礎和應用數據庫是特殊鋼研發的重點。高通量計算設計和高通量制備與表征技術的發展也是基于材料基因組設計思想的鋼鐵材料研發中的重要技術瓶頸。高通量計算設計和高通量制備與表征的最終目的都是減少試錯實驗量，縮短研發周期。高通量制備與表征可以快速為高通量計算設計提供大量數據，給予高通量計算數據庫支撐。在整個設計過程中，高通量計算設計和高通量制備與表征是并行且相互促進的關系。當高通量計算設計精度較高，能夠準確指向一個特定的方案點時，就可以直接根據集成計算結果進行材料的實際制備，從而降低了高通量制備與表征的必要性；相反，當高通量制備與表征可以迅速而有效地表征大量材料的關鍵性能參數時，則不需要再進行大范圍的高通量計算設計。因此，針對不同的問題，高通量計算設計和高通量制備與表征要有針對性地交替或有側重點地使用。對于測試表征便利但機理繁雜不明的問題，應以高通量制備與表征為主要手段指導理性設計；而對于氫脆、蠕變、疲勞等實際測試表征困難、測試周期長的問題，可盡量以高通量計算設計為主導方式指導理性設計。無論是通過傳統大規模試錯實驗、高通量計算設計還是高通量制備與表征，獲得的結果都可以通過數據庫技術進行系統歸納與深入挖掘，從而為高通量計算設計和高通量制備與表征提供理性指導。同時，通過高通量制備與表征手段增加數據庫數據時，應時刻注意由于小樣品與標準測試樣品間的尺寸差異而導致的性能差異。當性能差異較大時，需要將數據分類處理，或進行小樣品數據的轉化分析，以保證數據之間的可比性。因此，高通量計算設計作為材料基因思想中的三要素之一，具有極其重要的核心作用。本文主要針對現今特殊鋼研發方面高通量計算設計的發展現狀進行綜述。

圖1 基于材料基因組思想的材料研發三要素[1]Fig.1 Three key factors based on “material genome initiative” concept[1]

2 特殊鋼的高通量計算設計發展現狀

基于材料基因組思想理念，美國西北大學的Olson研究團隊于2000～2014年期間通過高通量計算設計，綜合計算超強鋼中的顯微組織和常規力學性能，先后成功研發了兩種新型超強鋼，其中的S53超強不銹鋼實際應用于軍用飛機起落架等美國軍事領域，有效減少了特殊鋼的研發時間和成本[2]。但Olson研究團隊開發的特殊鋼偏重軍事應用領域，具有較高的技術敏感性，因此其高通量集成設計過程中的大多數細節尚未被公開報道。基于美國西北大學在材料基因特殊鋼計算設計方面的突出成果，前美國總統奧巴馬于2011年7月正式批準了“材料基因組計劃(materials genome initiative，MGI)”[3]?！安牧匣蚪M計劃”啟動后，受到了世界各科技強國的廣泛關注，并紛紛展開研究。2011年，歐盟針對合金材料的成分工藝優化，啟動了“加速冶金學(accelerated metallurgy，ACCMET)”項目[4]，旨在探索多元體系合金相圖的建立，進而為發現和開發新的合金提供理論支撐。同年11月，日本也啟動了“元素戰略計劃(elemental strategy project)”，旨在依據集成計算與理性設計尋找鋼鐵材料中稀有金屬替代元素，以達到降低稀有金屬在金屬材料中使用量的目的，從而指導未來的合金研發[5]。材料基因組設計思想及高通量計算理念同樣受到了國內研究人員的廣泛重視[1]，“材料基因工程關鍵技術與支撐平臺”于2016年被列為“十三五”國家重點研發計劃，并開展了基于多種材料的高通量集成計算平臺建設，以及相應的材料設計示范研究。

2.1 美國西北大學的超強鋼設計

Olson研究團隊在實際研制超強鋼時，通過組建的Questek公司搭建了高通量集成計算分析平臺，用以綜合設計超強鋼“成分工藝-組織結構-宏觀性能-工程生產”的整個過程。圖2簡要反映了Questek公司高通量集成計算分析平臺的結構和模塊[6]。整個集成計算平臺主要包括“材料設計(materials design)”和“應用加速(accelerated insertion of materials，AIM)”兩個關鍵模塊。每個模塊中均集成了多種已商用或自編程的軟件?！安牧显O計”模塊旨在完成合金成分設計和熱處理工藝參數分析，“應用加速”模塊旨在縮短實驗室成果向工程產品的轉化周期。“應用加速”模塊的計算分析可在一定程度上解決冶煉、鑄造等生產制備過程中的鑄造缺陷、熱撕裂等實際問題。因此，旨在處理實際工程問題的“應用加速”模塊基本完全使用公認的成熟模型或成熟的商用化軟件，主要側重宏觀層面問題的分析，并未細致區分集成計算手段的尺度差別。然而對于“材料設計”模塊，模型主要用于建立“成分工藝-組織結構-宏觀性能”間的關聯，涉及明顯的多尺度問題，因此在計算手段的使用中明顯地區分了計算設計方法的使用范圍和尺度。“材料設計”模塊多為自主研發的模型與軟件，整個“材料設計”模塊形成了典型的多尺度計算體系。

圖2 多尺度模擬平臺結構簡圖[6]Fig.2 Structure diagram of multi-scale simulation platform[6]

圖3顯示了Questek公司多尺度集成計算設計平臺中“材料設計”模塊的計算體系結構和所包含的主要計算設計手段[7]?！安牧显O計”模塊依據“成分工藝-組織結構-宏觀性能”大體分為3個不同的計算尺度，每個計算尺度使用不同的計算理念和方式。在“成分工藝”尺度，以第一性原理為主要的計算方式，旨在闡明元素成分對晶界/晶面結合力的影響[8-10]，同時利用Thermo-Calc、DICTRA等商用熱動力學軟件分析成分、熱處理工藝對特殊鋼組織結構的影響。在“顯微組織”尺度，以其自主研發的熱動力學軟件為核心計算方式，可分析在奧氏體化、淬火、回火等多步熱處理條件下，材料組織構成的變化。Questek公司自編程的熱動力學軟件包含：基于經典形核理論及Langer-Schwartz模型的PrecipiCalc?，用以分析熱處理參數對晶內碳化物析出行為的影響；基于多種熱動力學經典模型及自建數據庫的MaDe軟件，旨在分析平衡/亞平衡相含量、穩定性等信息。在“宏觀性能”尺度，以有限元和基于多種位錯理論的強度計算模型為主要的計算分析手段，可分析計算不同顯微組織對材料力學性能(主要包括強度和硬度)的影響。同時，相鄰尺度的計算結果是相互關聯的，相對微觀尺度下的計算結果信息，會作為相對宏觀尺度計算中的輸入參數，從而通過參數傳遞建立不同計算尺度間的銜接，最終形成完整的多尺度高通量集成計算設計平臺。針對斷裂韌性、抗應力腐蝕等復雜的材料性能，為避免組織-性能關系模型建立所帶來的誤差累積，在合金設計過程中直接以Ms點、晶界結合力等關鍵組織信息為最終設計目標來評價其斷裂韌性、抗應力腐蝕性能，從而提升模擬計算的指導意義和準確性。

圖3 多尺度模擬平臺的“材料設計”模塊結構簡圖[7]Fig.3 Structure diagram of “materials by design” module in multi-scale simulation platform[7]

在Olson研究團隊建立的研發體系中，高通量集成計算設計平臺、數據庫及高通量制備與表征技術間形成了有效地交互。Questek公司基于已有實驗結果建立了針對馬氏體相變、M2C亞穩析出相等組織結構的多種熱動力學數據庫，基于自建數據庫，使用高通量集成計算設計平臺進行材料的相組成調控與設計。設計結果通過擴散偶、電弧熔煉等快速實驗手段驗證其實際的相組成情況，實驗所得的數據進一步反饋給自建數據庫，以進行數據庫的修正及補充完善。數據庫、快速實驗、高通量計算間的信息交互可有效地保證特殊鋼研發的高效性和精確性。

Olson研究團隊以Questek公司為支撐，以多尺度高通量集成計算設計平臺為基礎，建立了高Co-Ni二次硬化鋼的設計體系與標準，成功研制了S53、M54等具有超高強度、優異的斷裂韌性和抗應力腐蝕性能的新型高Co-Ni二次硬化鋼[11-14]。其中S53已成功在部分美國軍用飛機中應用替代了傳統的AerMet100特殊鋼[15-17]，成為了新的高性能飛機起落架用結構材料，其性能參數如表1所示。

表1 新型高性能飛機起落架用鋼的性能對比[11-14]

2.2 荷蘭代爾夫特大學的特殊鋼設計

歐洲各國的多家研究機構也在進行大量關于特殊鋼高通量計算設計的研究。他們重點探究對硬度產生重要影響的基因信息，如化學成分、析出物體積分數、平均尺寸等，通過對基因信息的定量化描述，達到硬度預測的目的并指導硬質合金的研發[18]。德國亞琛工業大學的Bleck等將孿晶誘導塑性(TWIP)鋼中的層錯能作為基因信息，通過第一性原理等計算手段進行層錯能設計，從而進一步通過孿晶及位錯亞結構的變化實現鋼種性能提升[19, 20]。

隨著現今對于金屬材料成分、工藝、組織演化及性能間關系研究的不斷深化，很多計算方式都可以通過綜合考慮材料的“基因”和“經歷”達到更為合理的成分工藝設計效果，例如人工神經網絡算法、第一性原理算法、熱動力學CALPHAD方法等。人工神經網絡是一種基于統計學與節點連接思想的運算模型，這種算法可以忽略“基因”和“經歷”對材料性能物理本質的影響，而直接建立其與性能間的強關聯，這種算法的預測精度很大程度上依賴于樣本數據的數量和質量。第一性原理的物理基礎就是計算原子間結合力及能量，其與“基因”的本質有較高的契合度。同時，第一性原理也可將“經歷”作為一種外場條件，輸入到模型中，反映“經歷”的影響，并在一定程度上預測材料的性能。然而，受處理器計算能力限制，第一性原理比較擅長處理有限原子數的團簇、納米級析出等規模相對較小的問題，其成分組成以2～3元為最佳。目前，第一性原理算法尚無法進行包含多種合金元素的高強鋼的設計。相較以上兩種方法，熱動力學CALPHAD方法為鋼鐵材料基因設計提供了一個良好的平臺，可計算基于“基因”和“經歷”影響下的組織演化。基于CALPHAD熱動力學理論的Thermo-Calc軟件為鋼鐵材料設計提供了大量的熱動力學數據，保證了設計所需的數據庫基礎。因此，熱動力學CALPHAD方法已成為開發新合金的主要指導方法，它也更適用于基于“基因”和“經歷”影響的高強不銹鋼設計[21]。

在傳統熱力學理論中，成分等“基因”影響可以通過熱力學理論直接進行分析，而工藝等“經歷”影響則需要通過其他理論予以補充分析。而現今的熱動力學理論已經可以整合“基因”和“經歷”的影響，綜合分析在其共同作用下的顯微組織演化過程，并進一步利用物理冶金原理分析組織演化與性能間的關聯。這種綜合的合金設計方法使我們能夠同時設計和優化“基因”與“經歷”參數。作為一種相對成熟的計算方法，熱動力學法已經可以分析不同處理工藝(奧氏體化、時效等)溫度、時間對析出物粗化速率的影響，還可以在分析不同基體組成(鐵素體、馬氏體或奧氏體)引起的固溶強化的同時，分析不同析出物(碳氮化物MX和金屬間化合物Ni3Ti)引起的沉淀強化，從而探索新型不銹鋼成分工藝[22]。近年來，這種方法已被成功應用于指導先進超高強度不銹鋼、抗蠕變不銹鋼等特殊鋼的設計，并取得了較好的設計成果[23-25]。與傳統設計方式的區別在于，傳統的設計往往局限于對析出相強化或粗化的控制，由于析出與固溶的競爭關系，很難通過實驗或者局部計算獲得整體設計。而熱動力學理論通過整體計算設計的思路可以很好地協調并且設計兩者的貢獻，實現其協同優化。因此，此設計方式是針對基于全流程若干關鍵節點的特征組織建立模型，而不是全流程的組織演化，這樣可以有效地規避鋼鐵制備流程中涉及的大量繁瑣的工藝，為針對制備流程復雜的鋼鐵材料基因應用提供可行的解決思路。

高強不銹鋼成分與熱處理工藝耦合設計方式遵循從目標到方法的路線，因此整個分析順序為“應用→性能→組織→成分工藝”。如圖4所示，此設計方式的執行高度依賴于兩個關鍵步驟：“組織/性能轉換”和“特征組織獲取”[25]?！敖M織/性能轉換”需要建立起目標性能與鋼種顯微組織結構間的關系，“特征組織獲取”需要建立起理想的組織結構與合金成分(“基因”)及熱處理工藝(“經歷”)間的關聯[23]。在進行先進不銹鋼設計時，先通過“組織/性能轉換”，使用已知的顯微組織結構-性能關系將所需的性能(如強度高、穩定性好、表面氧化腐蝕性強等)轉化為理想的組織目標；然后，通過“特征組織獲取”，綜合考慮工藝/服役條件，使用熱動力學及其他物理冶金學原理評價“基因”和“經歷”影響，最終將目標組織轉化為基于成分工藝參數的定量評價準則，從而為下一步的計算優化提供基礎。

圖4 高強不銹鋼成分與熱處理工藝耦合設計流程圖[25]Fig.4 Flow chart for coupling design of composition and heat treatment process of high-strength stainless steel[25]

在定量評價標準方面，研究通過“組織/性能轉換”和“特征組織獲取”步驟，形成了比較完整的“成分工藝-組織-性能”關聯性關系，從而形成了多個判斷及定量評價準則。其中，所使用的計算評價準則一般分為必要準則和優化準則，設計過程中首先使用必要準則進行評估，消除不合理的解決方案，然后使用優化準則進行評估，以獲得最佳的解決方案。

在形成了完整的“成分工藝-組織-性能”關聯性關系并建立了判斷及評價準則之后，最終通過遺傳算法進行優化。為了避免初始解對于優化的約束以及優化過程陷入局部最優的情況，遺傳算法不使用特定的參考成分作為初始值。而且，遺傳算法可以有效進行多目標的尋優，從而更有效地搜索全局較優解，基于生物學優勝劣汰原則進行優勢基因的快速篩選，通過高通量計算在極大的成分工藝搜索范圍內獲得解決方案(耦合成分和熱處理參數)。

基于上述設計理念，以耐熱鋼為示范體系，在考慮其他必要組織特征準則的基礎上，針對鐵素體、奧氏體與馬氏體基體，通過高通量計算分別協同優化了固溶強化與MX析出強化的匹配關系，得到的理想成分工藝設計方案如圖5所示[25]。圖5中的每一個點均代表一個可行的解決方案，而不同的顏色分別代表不同基體組織的不銹鋼體系。每一個解集范圍的右上方邊緣部分就代表針對該不銹鋼體系的Pareto前沿，每個解均可以清晰地對應得到其析出強化和固溶強化貢獻。圖中同時顯示了現存的馬氏體、鐵素體及奧氏體不銹鋼的固溶強化及析出強化作用。從計算設計結果與現存的實際鋼種對比情況可知，設計得到的高強不銹鋼成分工藝方案比現存的鋼種具有更好的析出強化及固溶強化效果[25]。此外，從計算結果中可以看出，不同不銹鋼體系中各因素表現出的強化貢獻有明顯的差異：奧氏體鋼中析出強化效果極佳，而固溶強化貢獻率較低；鐵素體鋼中則是固溶強化效果明顯，析出強化效果貢獻率較低；而馬氏體鋼則具有最佳的析出強化和固溶強化綜合作用。

圖5 協同優化NbX析出強化和固溶強化的高強不銹鋼設計結果[25]Fig.5 The high-strength stainless steel design by NbX precipitation and solid solution optimization[25]

因此，以熱動力學為基礎，結合遺傳算法等優化計算手段，可以實現鋼鐵材料合金成分與處理工藝的耦合式設計。在高強不銹鋼方面，此設計方法已形成比較系統完善的計算設計流程和標準，可實現針對奧氏體、鐵素體、馬氏體基體多種不銹鋼體系的成分工藝優化。通過綜合分析鋼種中固溶強化和析出強化的貢獻，得到的不銹鋼成分工藝設計結果與實驗結果有良好的吻合性。此設計方法不但可以用于輔助高強不銹鋼中的析出物優化，同時還可以指導新型高強不銹鋼的成分工藝設計，減少研發成本并縮短研發周期。

2.3 其他特殊鋼高通量設計

克萊姆森大學Grujicic團隊在“材料設計”方法基礎上，利用兩級材料設計優化方案來重新設計具有改進力學性能(強度、斷裂韌性)、可加工性和耐腐蝕性的高強度低合金(HSLA)鋼[26]?！安牧显O計”方法將材料視為一個系統，利用計算機輔助分析、預測工具和可利用的材料數據庫來設計和開發新材料，是“材料基因組計劃”的一個組成部分。該團隊在兩級材料設計優化方案中應用多學科諸如材料熱力學、相變動力學以及變形和斷裂物理計算模型和數據庫，并以HSLA-100鋼為例對模型進行驗證。

材料設計的問題被視為具有明確定義目標函數、約束條件和設計變量的優化問題，然后使用全局優化算法來探索設計空間并實現優化過程[27]。兩級設計優化過程流程圖如圖6所示。在兩級設計優化方案下，系統級與鋼整體相關聯，而子系統級與鋼的顯微組織成分相關聯，兩層級間實現信息交換。系統級目標函數被定義為單位質量的材料成本，優化算法實現其最小化，約束條件主要為最小屈服強度和斷裂韌性滿足目標值。除此之外還包括其他約束限制條件，如最大C含量、最低Ni含量、最低Cr含量、臨界淬透性范圍和最大微觀偏析范圍，這些約束條件均為確定數值以保證材料可獲得足夠的強化和目標性能，如良好的可焊性、熱成形性等。系統級下設計變量為鋼的化學組成，同時化學組成作為信息傳遞給子系統級。子系統級目標函數為一個特定的復合函數，它是材料強度和斷裂韌性的加權組合，通過優化算法可實現其最大化。HSLA-100鋼的強度被認為是基體固有強度和析出附加強化(M2C碳化物、體心立方結構Cu團簇)的疊加結果。HSLA-100鋼的斷裂韌性通過相對堅韌的貝氏體基體和彌散奧氏體相變韌化來實現。Grujicic等對以上強度和斷裂韌性進行了詳細討論，并利用一系列熱動力學、變形和斷裂物理計算模型，最終得到子系統級目標函數。HSLA鋼的回火處理包括兩個步驟：較高溫度下回火確保M2C碳化物、體心立方結構Cu團簇和奧氏體大量存在；較低溫度下回火確保析出相具有足夠的體積分數及理想的熱力學穩定性。子系統級約束條件包括兩步回火下析出最小熱力學驅動力、析出最小平衡體積分數以及第二步回火下奧氏體平衡化學組成滿足目標值。子系統級設計變量為兩步回火溫度、強度及斷裂韌性，同時這些變量作為信息傳遞到系統級。

如圖6所示，首先在系統級程序下選擇滿足系統級約束條件(成分約束)的試驗合金組成傳遞到子系統級。到達子系統級后，選擇第一步回火溫度以滿足析出驅動力約束條件，選擇第二步回火溫度以滿足析出體積分數及奧氏體穩定性約束條件。利用以上過程所得參數作為輸入參數計算子系統級目標函數，并利用模擬退火優化算法尋找目標函數最大值。選擇滿足系統級約束條件(強度、斷裂韌性約束)的試驗合金組成計算系統級目標函數，并利用遺傳算法尋找目標函數極小值。以上程序執行后，輸出合金成分、兩步回火溫度及與約束條件相關的結果。

圖6 HSLA-100鋼設計的兩級優化過程流程圖[27]Fig.6 Flow chart of the two-level optimization procedure for designing HSLA-100 steel[27]

Grujicic等以HSLA-100鋼為例對兩級設計優化方法進行驗證，結果表明采用所開發的預測模型計算的性能結果和現有HSLA-100鋼性能均值有較高的契合度，利用“材料設計”方法設計的HSLA鋼具有較好的實用性。因此，采用此方法對HSLA鋼進行重新設計，得到了Fe-0.23C-3.4Cu-6.5Ni-2.0Cr-0.29Mo-0.22V的最佳合金組成(原子數分數，%)以及838和718 K的兩步回火溫度，其滿足系統級和子系統級約束條件，并且利用所開發的預測模型對此最佳成分進行驗證，計算結果與HSLA-100鋼已有性能數據有較高的一致性。

熱動力學可以通過綜合考慮材料的“基因”和“經歷”以達到更為合理的成分工藝設計效果。此外，其他計算方式如人工神經網絡也可以實現對鋼鐵材料的設計。人工神經網絡常被用來建立鋼成分及工藝參數和組織、性能之間的關系模型[28-30]。人工神經網絡算法的本質是建立變量間的回歸關系，需與其他優化算法結合(如遺傳算法)才能用于材料設計。Datta等在此方面做了大量研究工作[31-35]，他們以優化低碳鋼、HSLA鋼、相變誘導塑性(TRIP)鋼等的強度和塑性為目標，結合人工神經網絡算法和多目標遺傳算法分析各變量對鋼性能的影響，以實現輔助設計。在此基礎上，印度CSIR國家冶金實驗室使用此方法設計了微合金化管線鋼[36]。利用人工神經網絡算法和多目標遺傳算法預測研究成分和工藝參數對管線鋼性能的影響，進而設計具有改進的強度、沖擊韌性和延展性的微合金化管線鋼，其計算設計方法流程如圖7所示。收集大量管線鋼的數據，并指定合金成分和控軋控冷(TMCP)工藝參數作為輸入參數，指定屈服強度、抗拉強度、延伸率和沖擊功作為輸出參數，進而訓練人工神經網絡算法模型。采用這些模型作為多目標遺傳算法的適應度函數，進而解得Pareto前沿。對人工神經網絡算法模型各輸入參數進行分析，以獲得研究成分、工藝等參數對管線鋼性能的影響，而Pareto前沿則揭示了最佳目標性能下的成分、工藝參數范圍，這些都有助于設計具有優異綜合性能的管線鋼。

圖7 微合金化管線鋼計算設計方法流程圖[36]Fig.7 Flow chart of the computational methodology adopted for designing microalloyed pipeline steel[36]

隨著材料領域正趨于同大數據時代接軌，對大數據具有很強處理能力的機器學習也不斷受到學者的關注。以上基于人工神經網絡算法的特殊鋼設計方法本質上利用了機器學習算法。機器學習可以基于概率統計精準建立起成分/工藝與顯微組織之間的關系，從而有效地避開不明物理機制對模型精度的影響。除人工神經網絡算法外，更多種類的機器學習算法也被使用，西安交通大學薛德禎團隊聯合美國洛斯阿拉莫斯國家實驗室通過將支持向量回歸算法(SVR)與全局優化算法相結合成功構建出自適應設計系統，并設計出具有低熱滯的形狀記憶合金[37, 38]；東南大學王金蘭團隊通過將梯度提升回歸算法(GBR)與第一性原理相結合，高效設計出穩定的無鉛有機-無機雜化鈣鈦礦材料[39]。盡管許多先進材料已經通過機器學習算法被成功設計，但隨著研究的不斷深入，一些問題也凸顯出來。機器學習算法種類繁多，雖然傳統機器學習算法的選擇差異與細節優化一般不會帶來計算準確性上的突變，但是會對數據庫中數據樣本的質量和數量產生較大的影響。高質量、大樣本量的數據庫是機器學習的基礎，但材料領域專業數據庫的建立仍處于起步階段，高質量數據的匱乏一定程度限制了機器學習算法在材料設計中的發展。此外，基于機器學習算法的材料設計本質上只是基于單純數學算法的設計，設計過程往往缺失物理冶金學的參與和指導。因而將傳統的物理冶金模型與機器學習算法有效融合使其優勢互補也是該領域亟待解決的問題。

基于世界范圍內材料基因設計研究的興起，我國對于基于高通量計算的材料設計的重視程度日益提升，基于材料基因思想的材料設計研究已被列為“十三五”國家重點研發計劃。其中，2018年立項的“十三五”國家重點研發計劃專項項目“基于理性設計的高端裝備制造業用特殊鋼研發”針對高鐵車軸鋼的超高周疲勞和液化天然氣(LNG)儲運用鋼的超低溫、高強韌性等關鍵性能要求，在考慮復雜使用環境和經濟性等多因素限制條件下，擬對兩類鋼的多層級復雜組織進行精確調控，明確組織性能控制單元，基于數據庫及其分析技術建立兩類鋼關鍵性能與復雜組織的相關性規律。項目擬采用材料基因組的高通量計算設計、高通量制備與表征和數據庫集成技術，解決兩類鋼種優化研發過程中的關鍵科學問題。該項目是我國大力推進特殊鋼的高通量計算與設計的典型代表。

作者團隊在基于材料基因思想的特殊鋼研發方面融合了多種理念，提出了采用基因庫與知識庫相結合的方式。在材料成分工藝和組織間關系方面構建基因庫，以材料熱力學信息為本質基因，通過以材料熱力學為基礎的物理機理模型計算特種鋼組織演化。通過組織演變高通量集成計算理論，獲取組織過程參量，匯聚基因信息，基于多目標、多參量、進化式合金設計理論，通過熱力學數據、過程參量、遺傳進化高通量計算，實現成分與工藝耦合設計與優化。在材料組織和性能間關系方面構建知識庫，知識庫主要依靠組織性能映射關系的構建、結合工業大數據循環判定，建立組織與性能間的經驗或半經驗定量關系?；诓牧仙顚哟涡畔⑼诰虻牟牧闲畔W理論，通過組織與工藝、性能數據采集與深度挖掘，形成數字化多關聯知識。同時，發展關鍵實驗數據高通量采集與數據擴展技術。通過數據結構優化、增加采樣密度和數據加工實現大數據的匯聚。如圖8所示，作者團隊基于高通量計算與設計的特殊鋼研發體系可形成數據庫技術、多尺度模擬表征和高通量表征技術的有機結合，研發模式形成完整的邏輯閉環。在數據庫集成技術、高通量計算設計、高通量制備與表征3方面創新研究基礎充分協同的基礎上，構建高強鋼基因知識庫及智慧研發平臺，實現我國特殊鋼的高性能、高服役安全、高效研發和低成本。

圖8 基于材料基因思想的特殊鋼研發體系Fig.8 Research and development system of special steel based on MGI

3 結 語

綜上，美國、歐洲、日本等各國在特殊鋼高通量計算與設計方面均已有突出成果，但其在對于可視化數據采集、知識庫系統的運用等方面尚存在較大的提升空間。因此，我國應進一步致力于基于材料基因思想的特殊鋼高通量計算與設計，發展高通量集成計算、組織計算機可視化和數據高通量采集、機器學習和高通量表征等關鍵理論與技術，通過特殊鋼基因庫與知識庫的逐步完善，實現特殊鋼的智慧研發。特殊鋼的高通量計算與設計的研究不但可以促進特殊鋼的更新換代，更會為我國乃至世界金屬材料的高速發展提供支撐與保障。

致謝：感謝國家重點研發計劃“面向特殊鋼的基于高通量計算的理性設計”(2017YFB0703001)的支持。感謝上海交通大學金學軍教授、西北工業大學劉峰教授、北京科技大學尚成嘉教授、羅海文教授等在材料基因思路方面的指導與交流。