中南大学计算机学院王运强硕士在镍基高温合金γ’析出相分析与预测方面取得重要研究成果，这是学院开展材料信息学研究取得的初步成果。该研究成果以“The learning of the precipitates morphological parameters from the composition of Nickel-based superalloys”为题，在国际材料设计领域权威期刊《Materials & Design》(IF=6.28)上在线发表。
镍基高温合金由于具有良好的耐磨、耐高温、耐腐蚀等性能，又被称为“超合金”，广泛地应用于航空航天和能源等领域。研究人员在制备镍基高温合金样品时采用高通量实验方法，这会产生大量的数据。为了快速且高效的处理合金数据，该研究提出基于机器学习的算法对高通量实验产生的数据进行挖掘，构建镍基高温合金成分-析出相之间的关系，从而加速镍基高温合金的实验设计。具体来说，该研究提出基于Unet的分割算法对镍基高温合金显微镜图像中的析出相进行分割。在此基础上，本研究使用三个形态学参数对γ’析出相表征，并使用回归算法根据合金成分预测析出相形态学参数。这项工作中提出的方法可以为未来镍基高温合金成分设计提供参考。
实验流程图