MIT发现金属制造中的隐藏秩序,机器学习揭开被忽视的非平衡化学结构

ScienceAI 2025-10-15 16:00

MIT发现金属制造中的隐藏秩序,机器学习揭开被忽视的非平衡化学结构图1


MIT发现金属制造中的隐藏秩序,机器学习揭开被忽视的非平衡化学结构图2

编辑丨&

好像在大众的印象中,制造合金就是一场极端的「原子洗牌」。高温、巨压、反复变形——这些过程被认为能把合金里的原子彻底搅匀。几十年来,材料科学的共识是:只要加热到足够高、变形够剧烈,金属内部的化学秩序就会被完全抹去。

但麻省理工学院的研究团队发现事实并非如此。他们指出,无论金属被加工得多么「猛烈」,原子排列中仍会保留微妙的化学图案——一种隐藏的非平衡秩序。

相关的研究内容以「Nonequilibrium chemical short-range order in metallic alloys」为题,于 2025 年 10 月 8 日发布在《Nature Communications》。

MIT发现金属制造中的隐藏秩序,机器学习揭开被忽视的非平衡化学结构图3

论文链接:https://www.nature.com/articles/s41467-025-64733-z

那些看不见的秩序

金属合金中的原子分布并不完美随机。不同元素之间存在轻微的吸引或排斥,这会形成所谓的化学「短程有序」(short-range order, SRO)。这些局部图案极其细微,往往难以直接观察,因此长期被认为「无关紧要」。

但此次研究指出,这种看法忽视了金属的一个更深层次的物理特性:它们在制造过程中会形成一种远离平衡的状态(far-from-equilibrium state),在这种状态下,化学秩序不仅没有被破坏,反而以新的形式重新出现。

MIT发现金属制造中的隐藏秩序,机器学习揭开被忽视的非平衡化学结构图4

图 1:非平衡材料加工后的残余 SRO。

团队利用 机器学习势能模型(machine learning interatomic potentials),结合 大规模分子动力学模拟(MD),追踪数百万个原子的运动轨迹,模拟真实金属加工过程中的加热、轧制、再加热等循环步骤。

他们发现了一个令人意外的结果:即使在极端条件下,合金内部的原子也从未达到完全随机的状态。相反,系统总会自发形成某种微弱但稳定的化学排列。

机器学习揭示的隐藏物理

为了理解这一现象,研究者建立了一个新的物理模型,揭示这些「残余秩序」的根源——位错(dislocations)。这些像三维涂鸦般的缺陷在金属中穿行时,会推动周围原子移动。

传统观点认为,这种运动会「打乱」结构,但模拟结果显示:位错并不是盲目地搅乱原子,而是更倾向于「走捷径」——它们优先断开能量较弱的化学键,保留强键,从而在「混乱」中形成新的局部规律。

MIT发现金属制造中的隐藏秩序,机器学习揭开被忽视的非平衡化学结构图5

图 2:非平衡化学短程有序的简单物理模型。

模拟显示,这种非平衡化学有序不仅在理论上存在,还能在真实制造条件下长期保持。

即使在快速变形或高温冷却中,金属仍会呈现独特的化学模式——既不同于平衡态的晶格,也不同于完全无序的混合体。研究团队称之为「远离平衡的 SRO」,并首次建立了一个能够量化这一现象的统计模型。

该模型解释了化学模式如何从称为位错的缺陷中产生,这些缺陷就像金属内部的立体涂鸦。当金属变形时,这些涂鸦会扭曲,沿途重新排列附近的原子。

MIT发现金属制造中的隐藏秩序,机器学习揭开被忽视的非平衡化学结构图6

图 3:材料加工过程中的非平衡短程有序结构。

团队在化学模式下的探索最终成为一张将各种金属加工步骤与金属中的不同化学模式联系起来的图。

秩序隐藏于混乱之中

几十年来,金属制造被看作是「把一切打乱再重新塑形」的过程。借助于势能模型,MIT 的这项工作,不仅发现了一种新的物理现象,更让科学家重新审视「随机性」在材料科学中的意义。

也正如研究者所表示的那样:「这可能是合金科学中被忽视的一根操控杆。我们以前试图抹去它,但或许该学会利用它。」

相关链接:https://www.eurekalert.org/news-releases/1101410

人工智能 × [ 生物 神经科学 数学 物理 化学 材料 ]

声明:内容取材于网络,仅代表作者观点,如有内容违规问题,请联系处理。 
机器学习
more
2025年中国机器学习行业现状及发展趋势分析,跨领域融合与创新应用的不断涌现「图」
从模型到生态:2025 全球机器学习技术大会「开源模型与框架」专题前瞻
南航张道强团队 | 综述:基于脑电信号与机器学习的注意力检测研究
【AI加油站】第四十部:《大规模机器学习训练工程实战手册》——从硬件选型到故障恢复的系统性指南(附下载)
2025年中国机器学习平台行业现状及竞争格局分析,竞争格局基本成型,头部效应明显「图」
基于机器学习的自动驾驶汽车新型失效运行方法
自动驾驶汽车机器学习安全实用解决方案
J.P. Morgan机器学习卓越中心高管亲述,华尔街AI实战心法
【AI】机器学习十大经典算法详解:从“数据+算法”到精准模型构建
接Accept!“机器学习+SHAP”发文大有可为,轻松拿下一区SCI!
Copyright © 2025 成都区角科技有限公司
蜀ICP备2025143415号-1
  
川公网安备51015602001305号