留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

预出版

显示方式:
基于准点缺陷理论探索非晶合金粘弹性行为
乔吉超, 张浪渟, 邢光辉, 郝奇, 梁淑一, 崔静波, 段亚娟
, doi: 10.6052/1000-0992-25-015
摘要(13) HTML(4) PDF(1)
摘要:
非晶合金因其独特的原子结构而呈现出复杂的粘弹性行为, 表现为动态弛豫和静态滞后特征, 这不仅是深入理解玻璃转变、塑性变形机制及动态非均匀性等基础物理问题的核心切入点, 也为高性能非晶合金与功能材料的开发及工程应用提供了关键理论支撑. 如何从微观机制出发构建一个能够统一描述并预测其复杂粘弹性行为的理论框架, 仍是非晶固体领域面临的重要挑战. 基于此, 本文聚焦于准点缺陷 (Quasi-Point Defect, QPD) 理论在系统解析非晶合金粘弹性行为中的核心作用及其最新研究进展. 深入探讨了运用 QPD 理论分析非晶合金中的动态弛豫现象, 并揭示了该理论与分数阶模型的内在一致性. 在此基础上, 综述了动态弛豫与宏观准静态粘弹性变形的内在关联, 阐释了两步松弛、蠕变等现象背后由不同尺度缺陷运动主导的物理机制. 针对蠕变行为, 重点讨论了基于QPD理论对非晶合金中缺陷演化和多级幂律蠕变机制的理解. 此外, 本文系统阐述了通过粘弹性变形调控非晶合金能量状态的机制, 以及这种调控如何通过影响准点缺陷的浓度、分布及协同运动, 进而改变材料的动态弛豫特征. 本文旨在展现如何基于准点缺陷理论构建非晶合金微观结构非均匀性、缺陷动力学与宏观粘弹性响应之间的关联, 为理解和预测其复杂力学行为提供重要理论视角.
基于机器学习的金属材料力学性能智能预测研究现状与展望
曹志增, 王桂吉, 罗斌强
, doi: 10.6052/1000-0992-25-026
摘要(81) HTML(9) PDF(92)
摘要:
机器学习正推动金属材料力学性能研究从经验驱动向数据驱动范式转变. 本文系统综述了机器学习在金属材料力学性能智能预测中的研究进展与挑战. 首先, 概述了常用机器学习算法的原理与流程, 重点介绍了可解释人工智能 与物理信息机器学习等前沿方法. 进而, 从微介观性能 (如微观结构演化、断裂行为)、宏观性能 (如硬度、应力响应、疲劳寿命) 与跨尺度耦合性能 (如流变应力、屈服强度、本构参数反演) 三个层面, 评述了机器学习模型的典型应用与预测效果, 突出其在高通量计算与多尺度建模中的优势. 最后, 指出该领域面临数据稀缺、异构性及宽温域/宽应变率条件下预测精度不足等挑战, 并提出迁移学习、大型语言模型与多模态融合等解决路径. 展望未来, 本文构建了融合多模态数据与物理机制的机器学习技术路径, 旨在实现对极端环境下金属材料力学行为的精准预测, 推动材料力学研究向数字化、智能化方向发展.