案例一：高强度高韧性7XXX系铝合金成分精准设计

痛点：7XXX系铝合金（如航空级7075、7050）是典型的 “强韧型” 结构材料，广泛应用于飞机大梁、起落架等关键部件。但抗拉强度、断后伸长率、断裂韧性这三项性能常因成分配比失衡陷入 “此消彼长” 的困境 —— 传统试错法需反复调整Zn、Mg、Cu等元素的比例，仅一组合金成分的验证就可能耗时数月。

MLDS01 如何解决？

数据基础

软件内置“7XXX铝合金成分数据集” ，覆盖169组数据，包含 Zn含量、Mg含量、Cu含量等关键成分信息，以及对应的抗拉强度、断后伸长率与断裂韧性三种性能。

 

7XXX系铝合金成分数据（部分）

 

7XXX系铝合金性能数据（部分）

操作过程

输入目标：设定目标抗拉强度为725 MPa ，伸长率为9%，断裂韧性为34 MPa・m1/2，允许误差设定为10%。

成分-性能输入值

自动设计：基于机器学习模型分析，在5分钟内生成3组满足多目标约束的成分方案。

生成结果

价值实现

通过MLDS01软件可快速实现满足多目标性能要求的合金成分方案推荐，大幅度提升研发效率。

案例二：高强度高导电率铜合金冷轧时效工艺优化

痛点：铜合金常用于电子连接器，需同时满足高抗拉强度和高导电率，时效工艺对上述两种性能的影响显著，但受限于时效工艺复杂的问题，难以快速优化合金工艺参数。

MLDS01 如何解决？

数据基础

软件内置“铜合金冷轧时效工艺-性能数据集”，数据集包含双级时效温度、时间与性能的相关信息。

 

铜合金工艺数据（部分）

铜合金性能数据（部分）

操作过程

输入目标：设定目标抗拉强度为600 MPa，导电率为70% IACS，允许误差设定为10%。

工艺-性能输入值

自动设计：基于机器学习模型分析，5分钟内生成3组满足多目标约束的工艺方案。

生成结果

价值实现

通过MLDS01软件可快速给出满足多性能指标要求的合金工艺优化方案，大幅提升研发效率。

案例三：材料成分工艺一体化设计案例：高温钛合金成分-锻造工艺设计

痛点：高温钛合金（如 Ti-6Al-4V）在航空发动机中需同时满足室温抗拉强度（≥950 MPa）、屈服强度（≥850 MPa）、延伸率（≥10%）等性能要求，成分（Al、V、Sn、Zr 等）与工艺参数（固溶温度与时间、时效温度与时间）的协同优化难度极大。

MLDS01 如何解决？

数据基础

软件内置 “高温钛合金成分-锻造工艺数据集” ，覆盖超过700组高质量数据。

高温钛合金成分数据（部分）

 

高温钛合金工艺数据（部分）

 

高温钛合金性能数据（部分）

操作过程

输入目标：设定目标抗拉强度为1200 MPa，屈服强度为1100 MPa，延伸率为10%，允许误差设定为10%。

成分-工艺-性能输入值

自动设计：基于机器学习模型分析，5分钟内生成2组满足目标的方案。

生成结果

价值实现

通过 MLDS01可以一次完成传统需数轮迭代的复杂合金设计，显著减低研发成本。

实际应用

1.  新型高强高导铜合金开发

2019年，针对高强高导铜合金的研发需求，Changsheng Wang等人利用MLDS01系统，基于收集的300余条铜合金文献数据，设定目标性能为抗拉强度 600-950 MPa，电导率50.0% IACS，快速进行相应的成分设计。生成的合金成分所对应的预测性能与过往研发的类似成分的铜合金性能基本一致。由此设计了简单工艺下，抗拉强度为775±10 MPa，导电率为48.0±0.5% IACS的高强高导铜合金。证实了MLDS01方法进行合金成分设计的可行性。^[1]

 

实验验证结果和MLDS01预测结果比较

2. 新型超强高韧铝合金开发

2022年，Lei Jiang等人利用MLDS01系统，基于文献整理的171组数据，生成具有良好强度、塑性和韧性的新型超强高韧铝合金成分方案（抗拉强度UTS=700-750 MPa，伸长率 δ=8%–10%，断裂韧性 KIC=33–35 MPa·m1/2），最终选取三种方案进行实验验证，实测三种合金的拉伸强度为 707–736 MPa，断后伸长率为 7.8%–9.5%，断裂韧性为 32.2–33.9 MPa·m1/2，与预测值吻合较好，证明MLDS01系统在发现兼具超高强度和高韧性铝合金中的可靠性。^[2]

实验验证结果和MLDS01预测结果比较

3. 2GPa超强钢开发

2022年，杨累等采用面向目标性能的机器学习设计系统(MLDS01)，结合实验优化，实现了超高强度弹簧钢成分和热处理工艺的快速研发。对比原有钢种，新钢种的综合力学性能显著提升。^[3]

 

利用MLDS01开发的钢种与文献钢种元素、性能对比

为什么案例能成功？——MLDS01 的核心优势

1. 数据驱动：连接国家新材料大数据中心超千万级材料数据库，覆盖 90% 以上常见合金体系。

2. 智能迭代：内置机器学习模型（如神经网络、遗传算法），自动完成 “成分 - 工艺 - 性能” 多变量优化。

3. 灵活适配：支持 “纯成分设计”、“纯工艺优化”及“成分 + 工艺一体化” 三种模式，匹配不同研发需求。

访问入口

新材料大数据中心平台入口：https://www.matbd.cn→"数据产品"

官网入口：http://mlds.matbd.cn

公众号入口：点击“新材料大数据中心”主页下方功能栏“MLDS”即可进入官网

MLDS01正在用数据与算法证明：材料研发不再依赖 “灵感闪现”，而是可以通过科学工具实现 “按需定制”。无论您是科研团队、企业工程师，还是材料领域创新者，都能够借助这款软件工具突破传统研发瓶颈，让每一次成分调整都更接近理想性能。关注新材料大数据中心，开启智能材料设计之旅，下一个突破性设计方案，可能就诞生于您的一次简单输入！

参考文献：

[1] Wang C S, Fu H D, Jiang L, Xue D Z, Xie J X. A property-oriented design strategy for high performance copper alloys via machine learning[J]. npj Computational Materials, 2019, 5(1): 33-43.

[2] Jiang L, Wang C S, Fu H D, Shen J, Zhang Z H, Xie J X. Discovery of aluminum alloys with ultra-strength and high-toughness via a property-oriented design strategy[J]. Journal of Materials Science and Technology, 2022, 98: 33-43.

[3] 杨累，赵帆，姜磊，谢建新，机器学习辅助2000 MPa级弹簧钢成分和热处理工艺开发[J]. 金属学报，2023，59(11)：1499-1512．