烧结金属多孔材料及其应用与发展趋势
摘要：烧结金属多孔材料是一种特殊的结构功能一体化的金属材料，广泛应用于煤化工、石油化工、航空航天、新能源、半导体、冶炼、环保等行业，对于国民经济的发展具有重要作用。介绍了烧结金属多孔材料的种类，阐述了烧结金属多孔材料在过滤分离、流体分布控制、催化负载、强化传质传热等领域的应用，分析了烧结金属多孔材料的发展趋势，未来金属多孔材料将向材料复合化、孔径微细化、结构梯度化、应用广泛化与多功能化的方向不断发展。
多孔金属材料的抗蠕变性能研究进展
摘要：多孔金属因其优异的力学性能，在过滤、催化、吸附和传热等领域得到广泛应用。然而，蠕变失效是多孔金属零部件在高温和恒应力条件下失效的主要方式之一。从孔结构、棱结构、微观缺陷以及蠕变寿命预测4个方面总结了多孔金属材料抗蠕变性能研究进展，阐述了孔隙率、孔形、孔径等孔结构对多孔金属应力指数、抗蠕变性能和变形机制的影响；分析了空心棱、实心棱两种结构在不同应力条件下的抗蠕变性能，揭示了棱宽变化对多孔金属蠕变速率的影响规律；揭示了多孔金属中常见的微观缺陷对其蠕变机制的影响；介绍了目前常用的多孔金属蠕变寿命预测本构模型。以期为多孔金属结构的长寿命服役和稳定可靠运行提供较为科学的指导。
碳化硅陶瓷材料的摩擦与润滑研究进展
摘要：结构陶瓷材料具有高硬度、耐磨损、耐腐蚀、耐高温及化学性质稳定等突出优点，被广泛应用于摩擦学领域。随着服役工况的日益复杂，在高温、重载、强辐射等环境下，结构陶瓷摩擦元件的应用仍然面临着巨大的挑战。因此，工业界对陶瓷的摩擦性能提出了更高的要求，降低陶瓷材料的摩擦磨损成为材料科学与摩擦学领域重要课题之一。由于陶瓷材料磨损形式和机理复杂，目前未见通用的摩擦学模型可以解释所有陶瓷的摩擦磨损。本文以碳化硅陶瓷材料为例，对碳化硅的摩擦与润滑研究进展进行了综述，涵盖碳化硅陶瓷的磨损机制，水润滑技术，固体润滑复合材料，表面工程技术及制备工艺等方面，旨在促进SiC 陶瓷材料在摩擦学领域的应用与发展，同时为其他结构陶瓷材料的润滑技术提供参考。
面向多功能工程应用的力学功能超材料的研究进展
摘要：力学超材料是一类人造结构化材料，其本质是以人工微结构为单元构造的复合结构，旨在通过设计人工微结构单元的形状、尺寸和周期性排列模式增强宏观整体结构的力学性能，实现负泊松比、多稳态、轻质高强、可编程/重编程等超常力学性能。然而，通过常规材料制备的力学超材料难以满足不同工程应用场景对功能器件的多环境场自适应性、迅速可控环境响应和能量转化等性能要求。结合力学超材料和先进功能材料构筑的力学功能超材料从材料角度拓展了力学超材料的性能，可以实现可调控的力电、力磁、力热等耦合响应，有望实现力学超材料的多功能工程应用。本文从超常力学性能和典型分类方面阐述了力学超材料的研究进展，从构筑方法和耦合响应方面详细介绍了力电、力磁和力热超材料3 类代表性力学功能超材料，总结与展望了力学功能超材料在航空航天和海洋工程领域的潜在工程应用，包括自折展卫星太阳翼、微型航天器自供能、卫星平台隔振、海洋工程与装备监测感知和海洋波浪能采集等。
机器学习在原子制造中的应用：现状、挑战与展望
摘要：随着半导体制造向原子尺度推进，纳米器件对材料种类和沉积精度的要求不断提升。原子层沉积与原子层刻蚀作为实现原子尺度精确控制的核心技术，正面临工艺参数高维度化和反应机制复杂化的挑战。传统的实验和模拟手段难以满足高通量筛选和高精度优化需求，而机器学习技术的迅速发展为解决这一问题提供了全新的范式。本文系统综述了机器学习方法在前驱体设计、反应路径预测、薄膜沉积参数优化及过程控制等方面的最新研究成果，阐述了机器学习与计算材料科学相结合在提高建模效率、提升预测精度和实现智能化工艺控制方面的显著优势。同时，分析了现阶段机器学习应用中面临的泛化性不足、数据稀疏、跨尺度融合难题等主要挑战，展望了未来融合物理信息、多尺度模型和语义数据平台等前沿技术的应用前景，以期实现原子制造领域从离线预测到在线智能控制的转型。
人工智能在先进材料研发中的应用
摘要:综述了人工智能（artificial intelligence，AI）在材料成分与结构设计、性能预测、合成优化及工业实践中推动材料研发从经验试错向智能设计范式转型的前沿进展。通过融合数据驱动方法、物理嵌入建模与自主实验系统，AI 实现了跨尺度性能高精度预测、极端性能材料的逆向设计、合成工艺智能优化及缺陷无损检测等，显著缩短了研发周期并突破了传统试错研发周期长、实验成本高且难以系统逼近材料性能极限等瓶颈。归纳了AI 在稳定晶体高效筛选、辐射制冷材料定向开发等典型案例中的利用晶体图神经网络高效筛选大量稳定化合物，以及通过深度生成模型实现性能创纪录的辐射制冷材料逆向设计等突破，阐述了少样本学习、迁移学习及物理机理融合等技术对数据稀缺和多尺度建模等挑战的应对方案。未来，AI 将推进材料研发向数据驱动、自主决策和智能迭代的高阶范式加速跃迁。
人工智能在金属材料组织图像识别与定量分析中的应用
摘要：基于人工智能（artificial intelligence，AI）技术的微观组织识别及定量化兼具高精度和高效率的优势，有力推动了高通量组织分析技术的发展。聚焦AI 辅助金属材料组织图像分析这一新兴领域，以微观组织由定性分析逐步向精细定量分析的发展为脉络，系统综述了传统机器学习分类算法、深度学习分类算法、目标检测算法、语义分割算法在金属材料微观组织分类、识别以及定量化方面的研究进展，尤其重点论述了广泛采用的语义分割算法的研究现状；同时，针对AI 算法在材料微观组织图像分析领域面临的组织复杂度高、标注样本匮乏等瓶颈问题，介绍了数据增强、模型架构改进等方面的创新策略及其应用效果。最后，总结和展望了基于AI 的微观组织图像分析方法目前存在的不足以及未来的发展方向。
腐蚀大数据技术及其智慧工程应用
摘要：腐蚀是威胁材料服役安全与使用寿命的核心因素。腐蚀数据具备多源异构、时间长、跨尺度、非线性等复杂特征。针对这些特性，腐蚀大数据技术通过融合各类传感器技术和建立多维智能关联数据库等方法，对材料腐蚀大数据进行挖掘建模与可视化，最终实现共享服务平台建设和在工程中的应用。在智慧工程应用场景中，腐蚀大数据技术实现3 大核心功能：一是通过实时监测技术对桥梁钢结构、油气输送管网等关键设施的腐蚀状态进行动态追踪，结合多源异构腐蚀数据高通量采集即时捕捉腐蚀速率、环境参数对腐蚀大数据进行系统收集；二是通过多源数据挖掘技术，解析腐蚀数据与环境因子、运行工况的耦合规律，支撑防腐策略的动态优化；三是基于神经网络等人工智能模型，结合历史积累数据与机器学习算法，实现了对材料的剩余服役寿命的精准预测，为工程安全运维提供量化依据。此外，腐蚀大数据通过与数字孪生结合，通过构建腐蚀演化的三维虚拟模型，实现了工程结构健康状态的可视化预警与维护资源的智能调度，实现了腐蚀大数据共享与物联网平台的共同建设，最终推动传统防腐向“受击—诊断—决策—执行”的闭环管理升级。腐蚀大数据技术不仅推动了传统防腐技术向智能化、精准化转型，更成为智慧工程安全运维体系的核心支撑，在海洋工程、能源互联网等领域展现出广阔的应用前景。
燃气涡轮发动机用热障涂层和环境障涂层研究进展
摘要：热障涂层（TBC）和环境障涂层（EBC）是燃气涡轮发动机的关键技术。La2Zr2O7、YTaO4 等低热导率陶瓷材料展现出相变温度高、热膨胀匹配性好、抗CMAS（CaO−MgO−Al2O3−SiO2）腐蚀性能良好等特性，纳米晶γ'相涂层具有涂层−基体化学/力学相容性优异及体系应力低等优点，是下一代TBC 的重要发展方向。基于β−Yb2Si2O7 的高熵稀土硅酸盐，具有良好的热膨胀匹配性和抗CMAS 腐蚀性能、优异的抗水蒸汽腐蚀性能，以及显著低于YSZ 的热导率，是热环境障涂层（TEBC）的重要材料体系。双相陶瓷复合技术，可显著提高断裂韧性，并改善抗CMAS 腐蚀性能和隔热性能，是未来研究应重点关注的方向。
基于扫描微探针技术的现代腐蚀电化学研究进展
摘要：基于混合电位理论的经典腐蚀电化学对于腐蚀与防护的研究具有重要的促进作用，但也必须认识到腐蚀反应的多反应耦合非平衡不可逆的特征，并由此导致的Butler−Volmer 和Nernst−Planck 方程的过度简化，以及对构成腐蚀的电极反应研究的弱化。从腐蚀方程出发，指出腐蚀电化学的内涵，综述了扫描电化学显微镜（SECM）、扫描振动电极（SVET）、局部电化学阻抗（LEUS）和扫描电化学池显微镜（SECCM）4 种典型扫描探针技术在腐蚀反应动力学、空间物种监测、腐蚀活性分布等方面应用的优势与进展，发现高分辨扫描探针技术可识别低至几个纳米腐蚀点与皮安级腐蚀电流，实现了腐蚀发生发展过程反应活性空间差异与动力学的原位监测，进一步结合计算模拟可量化比较分析腐蚀数据。最后展望了现代腐蚀电化学的发展趋势，可继续从多反应耦合的非平衡不可逆腐蚀反应的本质出发，深度融合跨尺度表征，建立宏观−微观的辩证统一关系。
