关键词：铝合金；晶种技术；合金催化；医用合金；机器学习；数智力学

方向一：数据驱动指导下的多尺度功能基元轻质合金设计（基础研究）

      传统的材料设计主要依赖于实验和传统的计算方法，这种方法耗费较大的人力财力，且效率较低。近年来理论计算与机器学习辅助材料设计在各个领域得到了广泛的应用并表现优异。为了提高预测的准确性，我们采用贝叶斯优化技术对代理模型的超参数进行优化。基于关键实验数据与机器学习方法，通过模型的潜空间分布，分析不同组分结构的合金材料性能分布规律。这一研究不仅实现了高性能合金的快速设计，而且充分展示了机器学习在材料科学领域的巨大应用潜力。鉴于此，本方向拟构建基于主动学习框架的机器学习模型，优化合金材料多尺度下的“功能基元-序构-性能”设计思路，通过高通量磁控溅射与增材制造，制备出在强韧化、能源催化、生物医用等方面具有优异性能的新一代轻质合金材料。

代表作（时间顺序，一作/通讯）：

[Science, 2025, 387(6732): 401-406]、[npj Comput. Mater., 2025, 11(1): 228]、[Acta Mater., 2025: 120809]

[Chem. Rev., 2024, 124(3), 1247-1287]、[Sci. Adv., 2022, 8(44): eadd6421]

[Acta Mater., 2020, 196: 313-324]、[Acta Mater., 2019, 165: 615-625]

方向二：基于晶种技术的极端工况下长服役高性能铝合金创制（应用技术）

       高性能铝合金是支撑未来国防装备轻量化发展的关键基础材料，然而其凝固组织调控难、铸造性能差、强-塑匹配性差、高低温与腐蚀等极端工况下力学性能不足等缺点成为制约其在航天航空与军工等领域发展的“堵点”问题。本团队发明并研制的TCB-Al晶种合金在改善铝合金性能方面取得显著成果：利用微纳晶种技术突破了铝合金中Si/Zr致细化中毒难题，实现了α-Al晶粒组织的超细化及多级组织构型设计，最终制备出高稳定、大块体、低成本、可量产的高耐热（400℃抗拉强度≥190MPa，延伸率≥5%；350℃抗拉强度≥230MPa，延伸率≥4%；高温下强度稳定性达800h以上）、高强韧（室温抗拉强度≥870MPa，屈服强度≥820MPa，延伸率≥7%）、高导电（抗拉强度≥180MPa；电导率≥61%IACS）等系列高性能铝合金新材料。

代表作（时间顺序，一作/通讯）：

[Mater. Res. Lett., 2025, 13(4): 311-319]、[JMST, 2025, 204: 190-203]

[Compos. Part. B Eng., 2024, 268:111056]、[JMST, 2024, 189(1), 44-59]

[Acta Mater., 2023, 249: 118812]、[Adv. Sci., 2023, 2207208]