日前，智能医学讲堂—智能医用材料青年学者沙龙在山东第一医科大学医学人工智能与大数据学院圆满举行。

山东第一医科大学医学人工智能与大数据学院副研究员栗周博士，带来了专题报告《医用金属材料热力学数据库的开发及其与机器学习技术的结合》，分享他在相图计算领域的研究成果与最新进展。

1.相图计算与CALPHAD方法

相图是一种描述相平衡关系的几何图形，也是研究材料成分、结构以及性能 之间关系的重要基础，被称为材料研究的‘地图’，对于材料的各个研究领域都有重要的指导意义。 CALPHAD方法是目前相图计算的主流研究方法，主要是通过构建各个相的吉布斯自由能函数，然后拟合实验数据来确定参数，从而可以准确的描述材料的热力学性质，构建材料体系的相图。

图1是CALPHAD方法构造相图原理的示意图，上半部分是各个相的吉布斯自由能曲线，下半部分是经典的铁碳相图，CALPHAD方法通过寻找两个或者多个曲线的公切线来构造各个相的相边界，从而得到全成分、全温度的材料相图。

图1 CALPHAD方法原理示意图

图2是CALPHAD方法的流程图，首先要收集相关的实验数据尤其是实验相图数据和晶体结构数据，以及第一性原理计算结果作为参考，构建吉布斯自由能模型，关于成分和温度的函数，然后通过软件对参数进行优化，将优化好的参数储存于热力学数据库当中，调用数据库便可以计算材料的相图和热力学性质。

图2 CALPHAD方法流程图

2.镁合金的相图研究

镁及镁合金由于其密度小、比强度和比刚度高、阻尼性好、生物相容性及可降解性良好、储氢容量大等特性广泛应用于汽车领域、航空航天领域和生物医学领域。 我国对高质量镁合金的需求日益增加，而镁合金的相图研究尚处于起步阶段，在一定程度上限制了医用镁合金的研发速度。因此， 掌握镁合金体系的相图和热力学信息并建立完整准确的镁合金体系的热力学数据库，有助于更好地优化合金成分及改良工艺条件，将对未来镁合金的规模化生产有着巨大的经济价值。基于相图计算的方法(CALPHAD)，我们对Mg-Al-Zn三元系的相图进行热力学优化与计算。

Mg-Al-Zn三元系的液相投影示意图

3.相图计算与机器学习的结合

相图计算领域的快速发展始于CALPHAD方法将计算机科学与材料科学相结合，或许我们可以再次借助于计算机科学的发展来解决现有的问题。随着材料基因工程和材料信息学概念的提出，计算机科学在材料科学中的应用越来越引起材料科学家们的兴趣和重视。而其中近年来发展迅猛的机器学习方法尤其受到科学家们的偏爱，它为我们提供了另外一条思路：不需要相关的物理模型， 仅仅通过统计的方法对数据进行处理和学习便可做出相关的预测，而这一过程的自动化程度很高，非常有利于实现高通量计算。机器学习方法可以同时处理大批量，不同类型的数据，这可以大大拓展输入数据的类型，提高预测能力。 本课题将现有的热力学数据库作为主要数据源，辅以元素的基本物理性质数据，通过建立合适的机器学习模型对上述数据进行训练，实现相图的高通量计算与预测。

相图机器学习研究路线图

报告结束后，在座的科研工作者和研究生就热力学数据库、人工智能方法与栗周博士进行了讨论交流。栗周博士自博士期间开始在相图计算领域深耕，博士后期间开始探索相图计算与机器学习的结合。2020年，栗周博士主持的“基于机器学习算法的相图构建与预测方法研究”项目获批国家自然科学基金青年基金项目。后续他将立足于智能医用材料领域，继续自己的科研求索之路。