亚利桑那州立大学李琳团队：面向复杂合金的机器学习增强多尺度材料力学建模

本文是一篇关于机器学习增强复杂合金多尺度力学建模的述评文章。背景方面，以高熵合金和金属玻璃为代表的前沿无序合金因其独特的化学或结构无序性而具备优异性能，但传统多尺度建模难以捕捉其关键的局部波动。研究目的在于，通过融合机器学习与物理力学，为这两类材料建立数据驱动框架，以揭示其微观变形机制并指导材料设计。具体工作包括：针对高熵合金开发高精度机器学习原子势，研究化学有序与晶格畸变对位错行为的影响；针对金属玻璃，利用机器学习识别流变缺陷，并结合介观模拟揭示弹性非均匀性主导剪切带形成的机理。结论指出，机器学习的核心作用并非替代物理模型，而是协同揭示物理规律本身难以解析的无序结构，从而提升材料设计的可预测性与可解释性，是未来复杂无序合金研究的重要方向。