上海交大Acta Materialia：机器学习加速高强韧生物医用β-钛合金设计研究

主要观点总结

上海交通大学材料科学与工程学院相变与结构研究所金学军、肖飞团队在医用β合金高强韧设计领域取得进展，相关成果发表于国际材料科学顶级期刊《Acta Materialia》。研究团队提出了一种结合材料领域知识与机器学习的生物医用β-Ti合金设计方法，以平衡强度与延展性。研究成果涉及医用钛合金的机器学习成分设计框架、性能对比、特征独立性图以及变形S900试样的扭折交互行为。

关键观点总结

关键观点1: 研究团队在医用β合金高强韧设计领域的进展。

团队发表了一项重要成果，该成果涉及医用钛合金的设计与开发，旨在实现优异的强度—塑性协同效应。

关键观点2: 基于领域知识与机器学习的设计方法。

研究团队提出了一种结合材料领域知识与机器学习的设计方法，旨在平衡合金的强度与延展性。这种方法通过结合领域知识和机器学习模型，有效引导贝叶斯优化筛选出高延展性候选成分。

关键观点3: 实验验证与结果分析。

研究团队通过实验验证了基于领域知识的机器学习方法在医用钛合金设计中的可靠性。实验结果显示，制备的Ti15151合金具有良好的强度与延展性，并且其塑性变形机制主要包括扭折变形。

关键观点4: 未来应用与拓展。

未来，该方法将进一步应用于TiNi及高熵β-Ti合金体系，并有望推动个性化植入材料的快速设计与临床转化。