#paper 【doi】10.1038/s41586-025-09160-2；【发表年份】2025年；【期刊】Nature；【标题】Machine-learning design of ductile FeNiCoAlTa alloys with high strength。【内容总结】这篇论文的目标是开发同时具备高强度和高延展性的新型合金，突破传统合金强度与延展性此消彼长的限制。研究者采用机器学习结合领域知识（如原子尺寸错配最大化、L12/B2相调控）设计了Fe35Ni29Co21Al12Ta3高熵合金，通过冷轧和热处理工艺获得含66.6% L12纳米沉淀相和15% B2微米相的双相结构。实验结果惊人：屈服强度达1.8GPa的同时保持25%均匀延伸率，远超现有钢材和传统高熵合金。具体而言，团队首先构建包含20种物理特征的数据库，通过六步主动学习循环（数据收集→物性描述符筛选→模型训练→知识引导虚拟筛选→效用函数设计→实验验证）优化成分，最终材料中L12相提供主要强化（859MPa），可变形B2相通过位错积累维持高加工硬化率，两者协同作用使性能突破现有材料极限。关键创新在于机器学习指导下的多组元沉淀相设计，以及通过高体积分数可变形B2相（传统硬脆相经Ta合金化后变为韧性相）实现强度-延展性协同提升。