解释性机器学习实现高性能合金中稀贵元素的替代设计

近几十年来,合金材料尤其是合金结构材料中稀缺、昂贵和有害元素的大量使用,成为制约可持续发展和绿色发展的瓶颈。例如,同时具有优良的力学与导电性能的铜合金是超大规模集成电路引线框架、高端电子元器件接插件制造用高性能铜合金由目前广泛使用的高性能Cu-Ni-Si(代表性的合金为ASTM标准C70250合金)、Cu-Cr等合金向具有更高综合性能的Cu-Ni-Co-Si系合金(如C70350合金,1.0~2.0wt%Co)发展。大量研究表明,C70350系合金中的Co元素具有同步提升力学和导电性能的作用,但Co是稀缺元素,价格昂贵。

本研究提出一种基于博弈论和运筹学理论的解释性机器学习新方法,实现合金元素的替代设计。应用于降低C70350合金(Cu-Ni-Co-Si系合金,1.0~2.0wt%Co)中稀缺和昂贵元素Co含量的研究,发现Cr元素具有最好的替代Co元素的效果,其次是Zn元素。通过在对标合金Cu-1.3Ni-1.4Co-0.56Si-0.03Mg中添加微量的Cr,并优化已有合金元素Ni和Mg的含量,设计了超低Co含量的Cu-1.95Ni-0.5Co-0.6Si-0.2Mg-0.1Cr合金,成功实现了在保持高性能的同时,将Co元素含量由1.4wt%降低到0.5wt%,最大下降幅度达64%。超低Co含量合金在工业生产条件下的实验抗拉强度和导电率分别为850MPa和47.2%IACS,达到商用C70350合金的综合性能水平。相关工作在国际顶级期刊《Advanced Materials》上发表论文1篇,所开发合金已在宁波博威合金材料股份有限公司实施应用。

图  铜合金稀贵元素替代设计