Scripta Materialia：金屬/陶瓷多界面復合材料硬度的尺寸效應：一種機器學習預測方法

導讀：金屬/陶瓷多層復合材料是支持現代高新技術不斷發展的重要材料之一，由于具有獨特的電，磁，光學和機械性能備受關注。金屬/陶瓷多層復合材料每層的大界面面積和小長度尺度導致了材料的新變形行為。優化單層厚度后的金屬/陶瓷多層復合材料可以在不損失導電性的情況下實現機械柔性。在金屬/陶瓷多層復合材料作為芯片互連的使用過程中，需要抵抗電流及其耦合的熱場和機械場造成的損傷。由于多層復合材料的研究的周期長、測試成本高，因此希望采取數據驅動的計算方法對其尺寸效應對硬度的影響進行可視化及預測。

成果掠影：近日，遼寧工程技術大學王鳴副教授 (Ming Wang) 團隊、東北大學孫杰(Jie Sun)教授、昆士蘭科技大學閆誠(Cheng Yan) 教授團隊，建校以來首次在金屬材料領域頂級期刊Scripta Materialia上發表了題目為"Length-scale effect on the hardness of metallic/ceramic multilayered composites: A machine learning prediction"的研究文章。該團隊首次提出多層復合材料的硬度隨著穿透深度的增加而增加的行為與參與變形的界面數量之間的關系，闡明了納米壓痕引起的金屬/陶瓷多層復合材料的變形行為。另一方面，采用機器學習(ML)方法獲得了金屬/陶瓷多層復合材料在變形機制臨界變化時的單層厚度。當單層厚度大于該尺寸時，變形規律遵循經典的Hall-Petch關系，否則偏離經典的Hall-Petch關系。并且將優化后的隨機森林回歸(RFR)模型用于預測不同金屬/陶瓷多層復合材料體系的硬度。這項工作開辟了實驗與機器學習相結合，研究的嶄新領域，推動了芯片互連結構的發展。為高性能金屬/陶瓷多層復合材料的研究提供了很好的研究思路。

圖1?圖形摘要

圖2 (a)?PCC相關系數矩陣。(b) 預測硬度與實驗硬度對比。(c) 三種ML模型的性能比較。(d) 單個厚度、加載力、界面應力集中和彈性模量對ML性能的影響。

總結：作者通過揭示Al/Si₃N₄多層復合材料的變形機制，從而建立了可靠的機器學習模型，提出了金屬/陶瓷復合材料的變形機制的臨界變化點。通過機器學習的方法揭示了不同晶體結構的金屬組元對臨界變化單層厚度的影響。機器學習在材料科學領域的應用有助于探索新的材料性質和應用，加速了新材料的發現和設計，為材料科學研究開辟了新的范式。

相關論文發表在Scripta Materialia上，遼寧工程技術大學王鳴副教授為第一作者兼通訊作者，東北大學孫杰教授、昆士蘭科技大學閆誠教授為共同通訊作者。

文獻鏈接：M. Wang, Y. Chen, C.L. Zhang, et al. Length-scale effect on the hardness of metallic/ceramic multilayered composites: A machine learning prediction.?Scripta Materialia,242(2024)115921.

https://doi.org/10.1016/j.scriptamat.2023.115921