一种用于富钛多主元素合金的快速筛选策略，旨在提升材料的强度与塑性协同性能

《Journal of Alloys and Compounds》：Rapid Screening Strategy for Ti-rich Multi-Principal Element Alloys with Improved Strength-Plasticity Synergy

多主元合金塑性预测新模型及其应用研究。通过构建表面能γ_s与塑性变形能γ_usf的比值（γ_s/γ_usf）与价电子浓度（VEC）和原子数（AN）的乘积关系，建立D_M参数实现高精度塑性预测（相关系数0.91，R20.82）。基于该参数对10^6种Ti-Nb-Zr-Mo-Ta-Hf-V-Al-Fe-Cr合金体系进行高通量筛选，成功开发九种密度<5.6g/cm3的高强高塑合金，其性能指标优于现有合金体系。

　　

陈柳青|敖子翔|王振辉|张伟文|罗轩|李宁|刘乐华

国家金属近净成形工程技术研究中心，华南理工大学先进金属材料加工与成形广东省重点实验室，中国广州市

摘要

快速设计具有所需性能的多主元素合金（MPEAs）仍然具有挑战性。一个主要障碍是缺乏一个准确且低成本的描述符来预测塑性。在这项工作中，通过拟合先前报道系统的实验数据，我们提出了一种新的定量塑性预测器：${\gamma }_{\mathrm{surf}}^{\mathrm{EP}}/$(VEC×AN)（价电子浓度：VEC，原子序数：AN）。该描述符与实验测量的塑性表现出很强的相关性（Corr = 0.91，R2 = 0.82），超过了大多数现有的经验指标。基于这个优化的描述符，系统地筛选了Ti–Nb–Zr–Mo–Ta–Hf–V–Al–Fe–Cr成分空间中的10^6种合金，从而识别出九种具有高强度-塑性组合的富钛MPEAs。机械测试证实，所提出的塑性描述符在预测塑性方面具有很高的可靠性。这项工作不仅为加速发现和设计高强度、高塑性的MPEAs建立了一个通用且高效的框架，还为其他合金系统的高通量开发提供了新的见解。

引言

多主元素合金（MPEAs）最初由Yeh和Cantor在2004年提出[1]，[2]。由于其卓越的强度-延展性平衡以及多元素特性带来的几乎无限的成分空间[3]，MPEAs作为轻质结构材料具有巨大的潜力，并且受到了越来越多的关注[4]，[5]，[6]。目前，MPEAs的开发仍然主要依赖于广泛的试错方法。然而，它们的广阔成分空间远未得到充分探索[7]，这突显了需要强大的理论框架和高效的筛选策略来加速高性能合金的发现。

具有明确物理意义的经验参数为加速合金设计提供了实际途径。屈服强度主要由刃型位错控制，其在塑性变形过程中的高滑移障碍和显著降低的移动性使其成为关键控制因素，与螺旋位错形成对比[8]。基于这一理解，Maresca和Curtin开发了一个理论模型，描述了原子溶质与刃型位错之间的相互作用，准确预测了合金的屈服强度[8]，[9]。该模型已被广泛用于新合金成分的合理设计和发现[10]，[11]。总体而言，包括MPEAs在内的金属系统的屈服强度的理论预测已经相对成熟。

相比之下，包括MPEAs在内的金属材料的塑性是一个更为复杂的现象，涉及非弹性变形、位错相互作用和断裂过程。建立可靠的塑性预测器一直是合金设计中的核心追求。已经提出了几种经验参数来表征延展性，包括Pugh比率[12]、Cauchy压力[13]、VEC[14]和D参数[15]，[16]。Pugh比率（B/G）量化了体模量（B）和剪切模量（G）之间的竞争，通常较大的值表示更好的塑性[12]。Cauchy压力定义为弹性常数（C₁₂ - C₄₄）之间的差异，反映了金属键合，正值表明内在延展性增强[14]。VEC也被用来估计体心立方（BCC）合金的固有延展性，VEC < 5.0通常与较高的延展性相关[14]，[17]。更精细的D参数将延展性描述为表面能（SE，促进裂纹扩展）与堆垛错能（SFE，必须在塑性变形过程中克服）之间的竞争[15]，[16]。

然而，这些经验参数各有局限性。Pugh比率与测量的塑性相关性较弱[18]；Cauchy压力仅指示潜在的塑性而不量化其大小[18]；VEC无法捕捉同一组内元素之间的成分变化。尽管D参数通常比其他描述符表现更好，但它仍然存在定量不准确的问题[18]，而VEC和D都仅在特定的成分或结构条件下适用[19]。尽管一些研究使用这些参数成功开发出了高性能合金，但这种情况仍然很少见[12]，[20]。总体而言，这些观察结果突显了现有塑性描述符的不足，并强调了迫切需要开发更准确且低成本的塑性预测器来探索广阔的MPEA成分空间。

在这项工作中，我们提出了一种新的塑性描述符：$D_{}$ = ${\gamma }_{\mathrm{surf}}^{\mathrm{EP}}/$（VEC×AN），通过用VEC和原子序数（AN）的乘积替换传统的D参数来改进它。这种新定义的描述符在预测塑性方面显著提高了准确性。通过结合固溶体（SS）筛选和相结构预测，我们在由Ti、Nb、Zr、Mo、Ta、Hf、V、Al、Fe和Cr组成的10^6种合金成分空间中识别出了364,371种单相BCC SS合金。将提出的D_M参数与理论屈服强度模型结合起来，可以构建性能图，揭示合金设计的成分边界。在这些图的指导下，成功合成了九种轻质（密度< 5.6 g/cm^3）、高强度且高塑性的富钛MPEAs。这些合金表现出比先前报道的MPEAs更好的比强度-塑性组合。这项工作不仅为高通量筛选和合理设计高性能MPEAs建立了一种快速、准确且成本效益高的策略，还为其他复杂合金系统的开发提供了新的见解。

计算方法

原子尺寸差（δ）和参数Ω被用作有效预测器，以评估给定合金成分形成固溶体（SS）的能力[21]。具有n个组成元素的MPEA的δ定义如下[21]：$\delta =\sqrt{\sum _i^1{c_i}^{\stackrel{\stackrel{?}{r}}{r}}2}$其中$\stackrel{?}{r}$表示所有组成元素的平均原子半径，$r_i$和$c_i$分别表示第i个元素的原子半径和摩尔分数。给定MPEA的参数Ω可以表示为[21]：$\Omega \frac{T_m\Delta }{\text{mix}}$其中$T_m$，$\Delta \text{mix}$

结果与讨论

金属材料的断裂过程通常被认为是与裂纹扩展相关的SE与必须克服的SFE之间的竞争，从而导致塑性被定义为$D\frac{{\gamma }_{}}{{\mathrm{usf}}_{}}$ [15]，[16]。图1a展示了使用经验参数$D^{\mathrm{EP}}$理论预测的塑性与实验测量的塑性的拟合性能，显示出较弱的相关性（Corr = 0.77，R^2 = 0.59）

结论

这项工作开发了一种成本效益高且改进的塑性预测参数D_M（${\gamma }_{\mathrm{surf}}^{\mathrm{EP}}/$（VEC×AN）），其在预测可靠性方面显著优于传统描述符。利用这一参数，建立了一个高通量计算筛选框架，用于评估Ti–Nb–Zr–Mo–Ta–Hf–V–Al–Fe–Cr系统中单相BCC SS的机械性能。根据筛选结果，开发出了九种具有最佳强度-塑性协同效应的新合金

未引用参考文献

[43]

CRediT作者贡献声明

陈柳青：撰写 – 审稿与编辑，撰写 – 原稿，可视化，研究。敖子翔：资源，方法论。王振辉：方法论，研究。张伟文：软件，资源，研究。罗轩：形式分析，数据管理。李宁：资源，项目管理，方法论。刘乐华：撰写 – 审稿与编辑，资金获取，形式分析。

利益冲突声明

作者声明他们没有已知的可能会影响本文所述工作的财务利益或个人关系。

致谢

本工作得到了国家自然科学基金（项目编号52441406）的支持。

利益冲突声明

作者声明他们与本次提交的内容没有利益冲突。