超快速设计与应用不可热处理一体化压铸铝合金

更快的金属设计为何对汽车至关重要

现代电动汽车越来越依赖大型单件金属部件，这类部件更轻、制造成本更低且装配更简便。但开发既能承受碰撞又能应对日常使用的新铝合金配方，传统上需要多年反复试验。本文展示了团队如何通过将计算机学习与有针对性的实验相结合，将这一周期压缩到仅五个月，开发出用于大型压铸车底整件的新铝合金——无需额外热处理。

从数十个小件到一个巨型铸件

汽车制造商正从焊接许多小件转向将熔融铝注入巨大模具，一次成型整个后地板结构。这能节省重量和生产时间，但也会产生冗长而弯曲的流动路径，使金属冷却不均并可能形成微小孔洞。因此，材料必须在从模具中直接铸出时就具备强度、韧性和良好流动性，而无需后续增加成本且可能导致翘曲的热处理步骤。现有商业铝压铸合金要么流动性好但强度不足，要么强度高但脆性大，留出了改进的空间。

教计算机挑选更优成分配方

研究者把注意力集中在铝硅合金——高压压铸的主力合金。他们汇集了来自既有研究的80种已知合金数据集，每种合金都有测得的强度与延展性，以及精确记录的八种元素含量（如硅、镁、铜、锰和钛）。由于这些元素相互作用复杂，仅凭人类直觉很难找到最佳组合。团队训练了多种机器学习模型，将成分与三项关键性能联系起来：断裂前能承受的载荷、开始发生永久变形的应力以及可伸长的程度。

在数百万种可能中搜索，再测试少量样本

人工神经网络被证明最为准确，因此团队将其作为多步搜索的引擎。他们在现实成分范围内生成了一千万个虚拟合金配方，并让模型预测其性能。只有通过严格强度和伸长率目标的合金才被保留，然后应用筛选方法挑选那些在强度与柔韧性之间取得平衡的配方，而不是只在某一项出色。从这一缩小的候选组中，研究者选择了若干有前景的配方进行熔炼并铸造成简单的试样板，测量其真实性能，再将结果反馈回模型以继续训练。仅经过三轮这样的循环，设计就收敛到一个突出配方。

新合金为何有效

最终合金从模具中直接取出就展现出优异性能：高抗拉与屈服强度，同时延伸率超过12%，超越了以往不可热处理的压铸合金。显微检查显示出细而均匀的组织，镁与铜形成的强化相有助于提高强度，硅呈圆润、纤维状分布，避免了易引发裂纹的尖锐结构。微量的锰、钛和锶有助于控制含铁富集相并细化晶粒结构，兼顾强度与延展性。这与计算机模型学到的结论一致：最佳性能并非来自单一“神奇”成分，而是来自精心调配的混合。

在长细铸件与真实车地板中的验证

为验证合金在现实条件下的表现，团队铸造了一件长而细的S形试件，金属需流动最长达3.5米，以模拟大型车件中的极端流动距离。他们沿长度方向切取样品，发现尽管随距离增加小孔增多导致部分强度与延展性下降，但在超过两米的范围内性能仍高于严格的工业阈值——优于文献中报道的可比合金。最后，该合金被用于铸造一辆新能源车的全尺寸后地板。来自部件不同区域的样品均达到了或超过了车厂设定的强度与塑性目标，即便是在填充距离最长的区域也如此。

对未来材料开发的意义

这项研究表明，数据、机器学习与有针对性的实验组成的迭代循环，可以把漫长且充满不确定性的金属配方搜索，转变为快速而有方向性的流程。研究者在短短几个月内从计算机设计的成分，发展到在复杂全尺寸汽车零件中验证可行的合金，且无需依赖额外的热处理步骤。对非专业读者而言，关键的信息是：更聪明地利用数据可以更快地实现更轻、更安全、更高效的车辆，且同样的方法可推广到铝以外的许多其它结构金属上。

引用: Yang, D., Min, J., Yi, W. et al. Ultra-fast design and application of non-heat-treatable integrated die casting aluminum alloys. npj Comput Mater 12, 140 (2026). https://doi.org/10.1038/s41524-026-02010-3

关键词: 压铸铝, 机器学习 材料, 汽车轻量化, 合金设计, 一体化铸造