选择材料组合物和设计具有目标特性的材料的方法

摘要

本公开技术涉及选择材料组合物和/或设计合金的方法。在一个方面中，选择具有目标特性的材料组合物的方法包括接收包括多种材料的热力学相位数据的输入。该方法另外包括通过计算设备从热力学相位数据提取对应于每种材料的多个热力学量。预先确定提取的热力学量与和材料的物理特性相关的微结构具有相关性。该方法另外包括将提取的热力学量储存在计算机可读介质中。该方法还包括使用计算设备电子挖掘储存的热力学量以基于与目标特性相关联的热力学量的至少一个子集的比较排列材料的至少一个子集。

说明书

相关申请的交叉引用

本申请要求提交于2013年12月18日的美国临时申请号61/917,845和提交于2013 年10月10日的美国临时申请号61/889,413的益处，通过参考将这二者整体并入本文。

背景

发明领域

在一些实施方式中，该公开的技术涉及设计材料，和更具体地涉及使用热力学相 图设计合金。该公开的技术还涉及选择材料组合物，和更具体地涉及通过使用由热力学相 位数据提取的热力学量(thermodynamicquantity)选择具有目标特性的材料组合物。

背景技术

选择用于制造的具有目标特性的材料通常需要制造商对与目标特性相关的微结 构和/或纳米结构具有一定了解。对于一些材料系统，平衡热力学可用于预测在平衡条件下 材料系统中各种相的存在。例如，平衡相图可用于描述物理条件，在该物理条件下材料系统 的各种平衡相可以是稳定的，并且在该物理条件下一些平衡相可以共存。但是，相图——尤 其是对于具有至少与相一样多(例如大于四种)的元素的材料系统——的生成通常是计算 密集型的。另外，当比较许多材料系统用于设计材料系统时，相图的计算和比较在计算和人 力资源二者方面可能是成本过高的。此外，有用信息的提取(extraction)通常涉及技术人 员来解释图示，其也可能是耗时的。

此外，虽然热力学相图提供平衡相信息，但是它们可能不一定与存在的实际相相 关联，因为相图不包含与相形成的动力学相关的信息和/或与涉及材料微结构的能量学 (energetics)相关的信息。虽然动力学和/或微结构信息可使用物理和微结构分析技 术——比如例如电子束和X-射线成像——和组合物分析技术收集，但是这种技术通常也是 耗时的和/或成本过高的。

在制造环境中，为了选择具有目标特性的材料组合物，材料设计者通常可分析图 形相图以确认可能是期望的平衡相，基于该分析合成有限数目的样品，并且随后在选择用 于制造的待扩大生产的材料组合物之前进行物理分析，比如电子显微镜和组合物分析。这 样的系列加工可能是过于昂贵和耗时的，因为材料设计者要参与每个图形相图和/或物理 分析数据的分析以验证合成的样品是否真的具有期望的量和期望的微结构形式的期望相， 尤其是当材料系统复杂(例如，具有超过四个元和相)和评估许多组合物(例如，数百或数 千)的若干目标特性时。因此，需要至少部分计算机执行的高通量方法用于选择具有目标特 性的材料，使得在整个选择过程的一些部分中，可以降低和完全消除材料设计者的参与。

发明内容

在一个方面中，选择具有目标特性的材料组合物的方法包括接收包括多种材料的 热力学相位数据的输入。该方法另外包括通过计算设备从热力学相位数据提取对应于每种 材料的多个热力学量。预先确定提取的热力学量与和材料的物理特性相关的微结构具有相 关性。该方法另外包括将提取的热力学量储存在计算机可读介质例如非瞬时计算机可读介 质中。该方法还包括使用计算设备电子挖掘(mine)储存的热力学量以基于与目标特性相关 联的热力学量的至少一个子集的比较排列(rank)材料的至少一个子集。

在另一方面中，材料组合物选择装置包括热力学相位数据提取模块，其配置为接 收包括多种材料的热力学相位数据的输入并且配置为通过计算设备由其提取对应于每种 材料的多个热力学量。包括处理器的计算设备也可为材料组合物选择装置的一部分。预先 确定提取的热力学量与和材料的物理特性相关的微结构具有相关性。该装置可另外包括储 存模块，其包括在其上储存提取的热力学量的非瞬时或非瞬时介质。该装置还包括电子数 据挖掘模块，其配置为使用计算设备电子挖掘储存的热力学量以基于与目标特性相关联的 热力学量的至少一个子集的比较排列材料的至少一个子集。

在又另一方面，非瞬时计算机可读介质包括储存在其上的当执行时使计算设备执 行下述步骤的指令：接收包括多种材料的热力学相位数据的输入；通过计算设备从热力学 相位数据提取对应于每种材料的多个热力学量，其中预先确定提取的热力学量与和材料的 物理特性相关的微结构具有相关性；将提取的数值量储存在计算机可读介质中；和使用计 算设备电子挖掘储存的热力学量以基于与目标特性相关联的热力学量的至少一个子集的 比较排列材料的至少一个子集。

在又另一方面，提供设计材料或合金的方法，例如用于设计具有目标特性的材料 的方法。该方法包括使用包括逻辑电路的处理器计算多种材料或合金的热力学相图。该方 法另外包括由相图提取对应于多种材料或合金中的每种的数值热力学量。该方法还包括将 数值量储存在电子数据库中。该方法还包括用处理器电子挖掘电子数据库或储存的数值量 以排列材料或合金。排列可基于不同合金组合物的数值量的比较，或排列可基于每种材料 的数值量的至少一个子集针对对应于目标特性的材料设计标准的比较。

在上述方法的一些实施方式中，计算热力学相图以确定作为温度函数的热力学稳 定相的平衡摩尔分数。在一些实施方式中，提取步骤基于一组预先确定的热力学评估标准。 提取热力学量可包括提取至少一个热力学稳定相的固化温度。提取热力学量可包括提取由 第一相至第二相的相变温度。提取相变温度可包括提取温度，在该温度下作为温度函数的 第一相的摩尔分数的第一变化率是负的和作为温度函数的第二相的摩尔分数的第二变化 率是正的。提取热力学量包括提取在约0℃和150℃之间的温度下的至少一个热力学稳定相 的平衡摩尔分数。提取热力学量可包括提取熔融温度，其中提取熔融温度包括提取温度，在 该温度下至少一个热力学稳定相的摩尔分数的第一变化率是负的和作为温度函数的液相 的摩尔分数的第二变化率是正的。

在上述方法的一些实施方式中，电子挖掘可包括基于至少两个热力学稳定相的固 化温度的比较排列材料或合金。电子挖掘可包括基于由第一相至第二相的相变温度与第三 相的固化温度的比较排列材料或合金。

在上述方法的一些实施方式中，储存数值量可包括储存在耦联至处理器的非易失 性存储器中。储存数值量可包括储存在耦联至处理器的易失性存储器中。储存数值量可包 括储存在可移动存储器介质中。

在上述方法的一些实施方式中，材料或合金的特性可包括微结构特性。该方法可 使用包括多个处理器的计算机系统执行。整个方法可使用计算机系统执行。该方法可还包 括输出有关材料或合金的排列的信息。该信息可被输出至显示器或计算机可读介质。该方 法可还包括基于该排列输出具有期望特性的材料或合金的子集。该方法可还包括由合金子 集制造一种或多种材料或合金。

在其他方面，设计合金的方法不需要包括计算热力学相图、由相图提取热力学量 和将量储存在电子数据库中的步骤。在一个方面中，设计合金的方法可包括电子挖掘电子 数据库，该电子数据库包括对应于先前源自所述合金的热力学相图的合金特性的数值量， 其中用处理器进行电子挖掘以基于不同合金组合物的数值量的比较排列合金。

在又另一方面，设计具有目标特性的材料的方法包括使用包括逻辑电路的处理器 执行多种材料的热力学相图计算算法的一个或多个实例(instance)。该方法还包括使用包 括逻辑电路的处理器执行数据提取算法的一个或多个实例，其中执行数据提取算法的一个 或多个实例包括取来自执行热力学相图计算算法的一个或多个实例的结果的至少一个子 集作为输入。该方法还包括将来自执行数据提取算法的一个或多个实例的结果储存在电子 数据库中。该方法还包括使用包括逻辑电路的处理器执行数据挖掘算法的一个或多个实 例，其中执行数据挖掘算法的一个或多个实例包括取来自执行数据提取算法的一个或多个 实例的储存结果的至少一个子集作为输入。

在上述方法的一些实施方式中，执行数据提取算法的一个或多个实例包括由来自 执行热力学相图计算算法的一个或多个实例的结果的至少一个子集提取对应于多种材料 的每一种的一组数值热力学量，其中提取基于一组预先确定的热力学评估标准。来自执行 数据提取算法的一个或多个实例的结果可包括电子表格(spreadsheet)，该电子表格包括 对应于多种材料的每一种的数值热力学量。储存结果可包括储存在非易失性存储介质中。 执行数据挖掘算法的一个或多个实例可包括用处理器电子挖掘储存的结果以基于每种材 料的数值量的至少一个子集针对对应于目标特性的材料设计标准的比较排列材料。执行热 力学相图计算算法、数据提取算法或数据挖掘算法的一个或多个实例的处理器之一可能与 处理器中剩余的那些不同。执行数据挖掘算法的一个或多个实例可由储存的结果进行多 次。

本公开的其他方面进一步包括与设计合金相关的计算机实施的方法，以及与其相 关的系统和装置，以及制造合金的方法和制造的合金本身。

附图说明

图1是图解根据一种实施方式的选择具有目标特性的材料组合物的方法的流程 图。

图2是根据一种实施方式选择具有目标特性的材料组合物的装置的示意图。

图3图解了根据一种实施方式的计算的相图。

图4是图解根据一种实施方式电子挖掘作为选择具有目标特性的材料组合物的一 部分的方法的流程图。

图5A是图解提取的材料的热力学量(计算的相摩尔分数)和测量的材料的热力学 量(测量的相摩尔分数)之间的比较的图表，所述测量的材料的热力学量与和材料的物理特 性相关的微结构相关联。

图5B是显示用于测量与图5A中绘制的热力学量(测量的相摩尔分数)的材料的物 理特性相关的材料的微结构的扫描电子显微照片。

图6A是图解根据一种实施方式涉及15,000种合金的数据挖掘过程的实例的图表。

图6B是图解根据一种实施方式涉及15,000种合金的数据挖掘过程的另一实例的 图表。

图7是图解根据一种实施方式计算相图的方法的流程图。

图8是图解根据一种实施方式由相图提取热力学量作为选择材料组合物的一部分 的方法的流程图。

图9是图解根据一种实施方式电子挖掘数据库作为选择材料组合物的一部分的流 程图。

图10是图解根据一种实施方式选择材料组合物的方法的流程图。

具体实施方式

用于选择材料组合物的热力学相图的计算是冶金学和材料科学领域的常见实践， 并且由计算能力的研究进展辅助的其应用已经发展成为在工业中称为相图计算(CALPHAD) 的独立的计算技术领域。CALPHAD技术在帮助理解合金和设计新合金中是非常有用的。 CALPHAD技术的输出是显示某些热力学信息的图，比如例如平衡相图，其绘制了例如材料的 相对温度的百分数。显示的图是材料的热力学信息或多种材料的热力学信息的图示。技术 人员可使用该图来理解处于平衡的合金系统并且基于这种理解来设计合金。

如上述，尽管在计算热力学相图以定量地确定热力学稳定性和平衡相的存在方面 具有进步，但是生成并且解释相图，以及使结果与和物理特性相关的微结构相关联可能是 过分耗时的和/或昂贵的，尤其是对于涉及许多元素(例如，大于四种)和复杂微结构的复杂 材料系统。本文公开的实施方式描述了由此热力学信息可以以这样方式有效使用的方法： 可设计合金而不需要重复地计算相图和/或由其提取热力学量，也不需要借助于图形表示 的相图，如工业中技术人员通常做的。而是，公开的实施方式阐释了生成由自动算法产生的 热力学量的合金数据库。在热力学量生成和储存在存储介质中之后，可通过排列和排序挖 掘热力学量以选择与和物理特性相关的微结构具有预先确定的相关性的候选物。有利地， 挖掘方法可使用自动算法重复地进行，使得可使用挖掘方法设计具有各种目标物理特性的 许多合金，而不必须进一步计算或借助于相图或相位数据的任何其他图形显示。本文所述 的方法有利于提供快速的材料设计，这是因为它们可消除技术人员评估热力学相图的需要 和/或每次期望选择具有新目标特性的材料时由其提取热力学量的需要。

图1是图解根据一种实施方式选择具有目标特性的材料组合物的方法的流程图。 选择具有目标特性的材料组合物的方法100包括，在过程104处，接收包括多种材料的热力 学相位数据的输入。方法100另外包括，在过程108处，使用微处理器从热力学相位数据提取 对应于每种材料的多个热力学量。提取的热力学量可以是直接由热力学相位数据提取的数 值量，或源自直接提取的量的数值量。预先确定提取的热力学量与和材料的物理特性相关 的微结构具有相关性。方法100另外包括，在过程112处，将提取的热力学量储存在计算机可 读介质中。方法100还包括，在过程116处，使用微处理器电子挖掘储存的热力学量以基于与 目标特性相关联的热力学量的至少一个子集的比较排列材料的至少一个子集。

在一些实施方式中，接收输入的过程104包括由计算机可读介质比如储存设备或 存储器设备加载计算的热力学相位数据，例如热力学相图数据。在一些实施方式中，在过程 104处由其接收输入的储存设备或存储器设备可以以例如内部储存设备或内部存储器设 备，例如DRAM或内部储存驱动器的形式包括在材料组合物选择装置(图2)内。在又其他实施 方式中，输入数据可使用便携式介质比如闪存或光学介质比如CDROM在过程104处接收。在 其他实施方式中，输入数据可能从远程服务器例如可能计算热力学相位数据的位置经网络 在过程104处接收。在又其他实施方式中，输入数据可经输入终端比如键盘、图像传感器、声 音传感器和扫描仪以及通过其使用者可输入数据的其他输入终端在过程104处接收。

在一些实施方式中，电子挖掘的过程116不包括在储存提取的数值量之后计算另 外的热力学相位数据和由其提取热力学量。

在一些实施方式中，选择组合物的方法100不包括分析相位数据的图示。

在一些实施方式中，方法100还包括合成具有对应于排列材料之一的组合物的材 料。

在一些实施方式中，提取的过程108包括对于每种材料，执行算法来提取选自下列 的热力学量：在一温度下材料相的摩尔分数、材料相的形成温度、材料相的溶解温度、两相 之间的转变温度、在一温度下材料相中元素的重量百分数、在对应于第二相的形成温度或 溶解温度的温度下第一材料相的摩尔分数和在对应于第二相的形成温度或溶解温度的温 度下材料相中元素的重量百分数。在一些实施方式中，提取的过程108还包括使用数学表达 式执行算法来计算源自一个或多个热力学量的量。数学表达式可选自两种材料相的形成温 度的差异、两种材料相的溶解温度的差异、在一温度下至少两种材料相的摩尔分数或重量 分数的总和、在第二温度下或低于其的温度下至少两种材料相的摩尔分数的总和。

在一些实施方式中，电子挖掘的过程116包括基于与目标特性相关联的热力学量 的至少一个子集平行比较材料的至少一个子集。

在一些实施方式中，电子挖掘的过程116包括，在排列材料之前，基于选自最小阈 值热力学量、最大阈值热力学量和最小阈值热力学量与最大阈值热力学量之间的范围的一 个或多个标准，由多种材料的整个集初始地消除一种或多种材料候选物。在一些实施方式 中，电子挖掘的过程116包括在由一种或多种材料候选物的整个集消除之后排列至少材料 的子集。

在一些实施方式中，整个方法100使用计算机系统执行。在其他实施方式中，仅方 法100的子集可使用计算机执行。例如，预先确定提取的热力学量与和材料的物理特性相关 的微结构相关联可使用计算机系统进行或由技术人员进行。

在一些实施方式中，使用包括至少一个微处理器的计算机系统，执行方法100。在 其他实施方式中，使用计算机系统的微处理器的子集执行方法的一些特征，而方法的其他 特征使用计算机系统的微处理器的不同子集执行。

在一些实施方式中，方法100还包括输出有关材料排列的信息。在其他实施中，信 息被输出至显示器。在又其他实施中，信息被输出至计算机可读介质。

图2是根据一种实施方式选择具有目标特性的材料组合物的装置的示意图。材料 组合物选择装置200包括材料组合物选择模块208、存储器228、微处理器232和储存器236， 其经总线240通信地彼此耦联。存储器228包括一个或多个易失性存储器设备，比如例如 DRAM和/或SRAM。储存器236包括一个或多个非易失性存储器设备，比如磁盘存储器和/或固 态非磁盘驱动器，其又可包括闪存和/或其他非易失性存储器设备。

在图2中图解的实施方式中，材料组合物选择模块208也被通信地耦联至热力学相 位数据模块204和热力学量-微结构相关性模块220。材料组合物选择模块208包括热力学相 位数据提取模块212，其配置为接收包括多种材料的来自热力学相位数据模块204的热力学 相位数据的输入，并且配置为使用微处理器232由其提取对应于每种材料的多个热力学量。 在图解的实施方式中，通过热力学量-微结构相关性模块220预先确定提取的热力学量与和 材料的物理特性相关的微结构具有相关性。材料组合物选择模块208另外包括配置为将提 取的数值量储存在计算机可读介质中的储存模块216，其可以是存储器228或储存器236的 一个或两个。材料组合物选择模块208还包括电子数据挖掘模块224，其配置为使用微处理 器232电子挖掘由储存模块216储存的热力学量以基于与目标特性相关联的热力学量的至 少一个子集的比较排列材料的至少一个子集。热力学量提取模块212、储存模块216和电子 数据模块224中的每个包括在硬件上实施的下述专用算法，所述硬件可以是存储器228、微 处理器232和/或储存器236的至少部分。在一些实施方式中，热力学量提取模块212、储存模 块216和电子数据挖掘模块224的算法的至少部分可以经便携式储存器236与材料组合物选 择装置200分离。

以下关于图3-6B，通过举例并且不损失一般性地图解了选择具有目标特性的材料 组合物的方法的具体实例。

图3图解了根据一种实施方式的计算的相图。在一些实施方式中，选择组合物的方 法包括接收包括多种合金的热力学相位数据的输入，其中每种合金是多相系统。在一些实 施方式中，热力学相图可以使用适当的方法例如使用相图的计算机计算(CALPHAD)方法计 算。在采用CALPHAD方法的实施方式中，计算机系统使用数学模型来计算合金组合物的分相 (individualphase)的吉布斯自由能曲线。对于材料系统的一些相，用于计算吉布斯自由 能的分析表达式可能不存在。所以，通过使用可调整的参数将数学模型拟合至实验数据，使 用计算机系统计算吉布斯自由能曲线。可调整的参数可以由计算机储存系统检索。随后，可 以结合分相的吉布斯能曲线以描述多相合金系统。在一些实施方式中，使用CALPHAD方法的 相图计算可以以商业上可得的软件包比如Thermo-Calc(http：//www.thermocalc.com/)实 施。

在一些实施方式中，典型的合金系统具有至少四种元素。计算的相图310例如是具 有Fe_余量B_1.3C_0.8Cr₅Mn₁Mo₁Nb₄Si_0.5Ti_0.5V_0.5的组合物(按wt.％计)的合金系统1的组合物。相图 310在y轴上显示了热力学稳定相的平衡摩尔分数，其作为x轴上显示的温度的函数。图3包 括包含液体312的相和第一至第九相——在阐释的实施方式中为TiB₂314、NbC316、奥氏体 318、铁素体320、(Fe，Cr)-(C，B)-1322、(Fe，Cr)-(C，B)-2324、Mo₃B₂326和(Fe，Cr)23(C，B) 6328——的合金系统1的组合物的稳定相的摩尔分数曲线。

在一些实施方式中，设计合金的方法包括由相图提取对应于多种合金中的每种的 热力学量，其中热力学量包括对应于合金特性的数值量。在一些实施方式中，热力学量包括 单个数值量。在其他实施方式中，热力学量包括使用算法源自单个数值量的量。

仍参考图3，在一些实施方式中，提取热力学量包括提取至少一个热力学稳定相的 固化温度。例如，在图3中，热力学稳定相的固化温度包括初生碳化物(primary carbide)——其可包括NbC——的固化温度330，和晶界碳化物——其可包括(Fe，Cr)-(C， B)-1、(Fe，Cr)-(C，B)-2和(Fe，Cr)23(C，B)6——的固化温度332。

仍参考图3，在一些实施方式中，提取热力学量包括提取由第一相至第二相的相变 温度。例如，在图3中，提取热力学量包括提取相变温度334，其对应于由奥氏体相至铁素体 相的相变温度。虽然在该实例中的相变温度334指奥氏体相和铁素体相的摩尔分数百分数 大约相同的温度，但是相变温度可在奥氏体相318和铁素体320的摩尔分数曲线之间的重叠 区域的任何位置提取，其中作为温度函数的铁素体相320的摩尔分数的第一变化率是负的， 并且作为温度函数的奥氏体相318的摩尔分数的第二变化率是正的。变化率可以通过例如 dc/dT表示，其中dc是相的摩尔分数百分数的变化，并且dT是对应于相的摩尔分数百分数的 变化的温度变化。

仍参考图3，在一些实施方式中，提取热力学量包括提取指定的温度下的至少一个 热力学稳定相的平衡摩尔分数。例如，在图3中，平衡摩尔分数336可包括液体312、TiB₂314、 NbC316、奥氏体318、铁素体320、(Fe，Cr)-(C，B)-1322、(Fe，Cr)-(C，B)-2324、Mo₃B₂326和 (Fe，Cr)23(C，B)6328的第一温度和第二温度(在图解的实施方式中为约0℃和100℃)之间 的平衡摩尔分数。

仍参考图3，在一些实施方式中，提取热力学量包括提取熔融温度，其中提取熔融 温度包括提取温度，在该温度下至少一个热力学稳定相的摩尔分数的第一变化率是负的， 并且作为温度函数的液相的摩尔分数的第二变化率是正的。例如，尽管在图3中熔融温度 338对应于液体和奥氏体相312和318的摩尔分数百分数大约相同的温度，但是熔融温度可 以在液相312和任何其他相的摩尔分数曲线之间的重叠区域内的任何位置提取，其中至少 一个热力学稳定相的摩尔分数的第一变化率是负的，并且作为温度函数的液相312的摩尔 分数的第二变化率是正的。

在一些实施方式中，对于多种合金组合物中的每种，迭代地运行计算相图和由相 图提取热力学量。

作为示意性实例，提取的热力学量可包括：1)在100℃下的NbC的相分数，2)NbC的 固化温度，3)(Fe，Cr)-(C，B)-1的固化温度，4)(Fe，Cr)-(C，B)-2的固化温度，5)在100℃下 的(Fe，Cr)-(C，B)-1的相分数和6)在100℃下的(Fe，Cr)-(C，B)-2的相分数。热力学量可以 对合金系统1迭代地提取，其中作为实例，对于六种合金的总和，B的浓度以0.5％的步幅 (step)由0.5％变化至2.0％；和Ti以0.5％的步幅由1％变化至5％。

在一些实施方式中，选择合金组合物的方法包括将如上所述提取的数值量的至少 一个子集储存在电子数据库中。储存的数值量表示预先确定与某些微结构特性具有相关性 的数值量的精简集。例如，数值量可以与具有合金系统的特定相的基体(matrices)和沉淀 体(precipitate)的存在相关联。微结构特性可又与某些末端材料特性比如硬度、断裂韧 性、磁导率等相关联。

存储介质可包括配置为具有或不具有供应至介质的电力的情况下储存信息的任 何适当的存储介质，其包括易失性存储器介质比如DRAM和SRAM，和/或非易失性介质比如闪 存或磁盘驱动器。在一些实施方式中，存储介质包括可移动的存储介质，比如可移动的硬盘 驱动器或可移动的闪存。

认识到，尽管可能使用比如CALPHAD方法的技术来计算相图，但是相图中包含的大 量信息的哪种的测定与确定末端材料特性相关。例如，尽管以上图3中计算的相图显示高分 数的高温形成NbC相并且无(Fe，Cr)-(C，B)相——其在奥氏体至铁素体转变温度之上形成， 但是这些量的预先确定——因为它们涉及某些微结构和材料特性——需要了解实验和理 论物理冶金学。

认识到，不使用本文所述的方法如上述的提取热力学量可耗费大量的时间和计算 资源。例如，图3中每个稳定相的单个摩尔分数曲线包括至少30个单独数据点。不使用计算 机，本领域普通技术人员使用计算器每个数据点将耗费例如至少数分钟。对于比如图3中具 有若干相的合金来说，全部稳定相的摩尔分数曲线的计算可耗费至少数小时。为了计算具 有数种至数十种组成的合金系统，提取热力学量可耗费几天至几周，甚至更长。使用本文所 述的方法，具有数种至数十种组成的合金系统的类似计算可以在数分钟至数小时内完成。 在一些实施方式中，超过1000种合金组合物可以在大约两天内计算。

如上述的预先确定的数值量的精简储存使得能够快速检索相关信息用于高通量 分析。执行使用本方法的典型分析可以比常规方法比如CALPHAD方法快＞1,000倍。这是因 为常规方法使用大的热力学数据库，其使用计算上成本很高的公式以生成大量的热力学信 息。相反，以本方法产生的电子数据库简单地是联系于(tiedto)合金组合物的一系列数 字，其可以在非常短的时间内被引用、排列和用于合金设计。

表1中显示了可由计算系统生成的储存的数值量的实例集。如上所提到的，认识到 以下值可以固有地包含在相图内，但需要冶金学技术人员运行一系列物理实验(合金制造、 金相学、性能测量)以预先确定数值量与某些材料特性比如又与末端材料特性相关联的期 望的微结构具有相关性。

表1

在一些实施方式中，设计合金的方法包括用处理器电子挖掘电子数据库以基于不 同合金组合物的数值量的比较排列合金。在一些实施方式中，用于排列合金的数值量可基 于如上述提取的热力学量的子集。挖掘方法包括参考如上述的预先确定与有用的微结构和 材料特性相关联的特定热力学量。

描述的挖掘概念是合金设计概念，其与单独利用计算机来执行热力学计算是分开 的和独特的。在常规的CALPHAD技术中，相图被冶金学家直接参考以理解合金行为。在本发 明中，相图不被冶金学家参考，而是使用者直接参考用于合金设计的挖掘的热力学数据。该 差异是独特的并且允许本领域技术人员同时评估许多合金的行为并且允许非本领域技术 人员执行合金设计。

在一些实施方式中，电子挖掘包括基于储存在电子数据库中的数值量的子集排列 合金。例如，返回参考表1，虽然表1中的所有数值量可以储存在存储介质中时，但是可使用 储存的数值量的子集排列合金。例如，子集可包括相％NbC的数值量，但是不包括NbC固化温 度(NbC固化T)、奥氏体固化温度(奥氏体固化T)、FCC至BCC转变温度(FCC至BCCT)和(Fe， Cr)-(C，B)固化温度((Fe，Cr)-(C，B)固化T)中的一个或多个。

在一些实施方式中，电子挖掘包括基于至少两个热力学稳定相的固化温度的比较 排列合金。例如，返回参考图3，可基于初生碳化物(例如，NbC)的固化温度330和奥氏体318 的固化之间的比较排列合金。

在一些实施方式中，电子挖掘包括基于由第一相至第二相的相变温度与第三相的 固化温度的比较排列合金。例如，返回参考图3，可基于对应于由奥氏体相至铁素体相的相 变温度的相变温度334，和晶界碳化物(例如，(Fe，Cr)-(C，B)-1322、(Fe，Cr)-(C，B)-2324 和(Fe，Cr)23(C，B)6328)的固化温度332之间的比较排列合金。

图4是图解根据一种实施方式电子挖掘作为选择具有目标特性的合金组合物的一 部分的方法的流程图。挖掘过程450包括开始评估合金的过程452。过程452可包括检索例如 上述关于表1所描述的合金组合物的储存的数值量集。

挖掘过程450另外包括在过程454处确定第一相例如NbC相的固化温度是否大于第 二相例如FCC相的固化温度。

一旦发现NbC相的固化温度大于FCC相的固化温度，挖掘过程继续进行以在过程 456处确定由FCC至第三相例如BCC相的相变温度是否大于第四相例如(Fe，Cr)-(C.B)相的 固化温度。

另一方面，如果在过程456处发现NbC相的固化温度小于或等于FCC相的固化温度， 则挖掘过程继续进行以在过程458处确定在数据库中是否有另外的剩余合金。

一旦在过程456处确定由FCC至BCC相的相变温度大于(Fe，Cr)-(C.B)相的固化温 度，数据挖掘过程450继续进行至过程460，其中合金的计量单位被记录为NbC相的摩尔百分 数的函数。例如，计量单位可以是NbC固化温度、FCC固化温度、由FCC至BCC相的相变温度和 (Fe，Cr)-(C.B)相的固化温度中的至少一种。

另一方面，如果在过程456处确定由FCC至BCC相的相变温度不大于(Fe，Cr)-(C.B) 相的固化温度，则挖掘过程450继续进行以在过程58处确定数据库中是否有另外的剩余合 金。

在过程458处，如果确定在数据库中剩余待评估的另外的合金，则挖掘过程450启 动开始评估另外的合金的另一个过程452。另一方面，在过程458处，如果确定在数据库中没 有剩余另外的合金，则挖掘过程450根据计量单位排列评估的合金。

在前述中，在平衡相图的计算作为初始点和由其获得热力学量的背景下描述了用 于设计合金的方法。但是，本文描述的实施方式可应用至其他运算的计算，包括：化学驱动 力的计算、CVD/PVD沉积模拟、有序/无序现象的CVM计算、Scheil-Gulliver固化模拟、液相 线和固相线表面投影、甫尔拜图、Ellingham图、分配系数和气体分压等其他计算。

图5A和5B通过举例并且不失一般性地图解了使提取的材料的热力学量与和材料 的目标物理特性相关的微结构相关联。图5A是比较柱状图500，其比较提取的材料的热力学 量(计算的相摩尔分数)504、512、520、528和测量的与和材料的物理特性相关的微结构相关 联的热力学量(由铸块测量的相摩尔分数)508、516、524和532。图5B是显示和材料的物理特 性相关的材料的微结构的扫描电子(SEM)显微照片540，其用于获得图5A中测量的热力学 量。比较柱状图500是具体合金FeB_1.4C_0.8Cr₅Mo₁Nb₄Ti_0.5V_0.5的比较柱状图，并且比较分别计 算的铁素体、奥氏体、二次碳化物和初生碳化物的相摩尔分数504、512、520和528与分别测 量的铁素体、奥氏体、二次碳化物和初生碳化物的各自的相摩尔分数508、516、524和532。通 过分析图5B的SEM显微照片540获得图解实例的相摩尔分数。在图解的实例中，SEM显微照片 540的微结构区域550和560对应于初生相和二次相。认识到，计算和测量的相摩尔分数的量 不相同，并且偏移量关系可能是在稍后的挖掘阶段考虑的因子。在图解的实例中，本发明人 确定，同时高抗裂性和高耐磨性的目标特性分别与测量的二次碳化物和初生碳化物的相摩 尔分数524和532相关联。此外，也确定这些相的微结构位置与目标特性相关联。基于热力学 量与和物理特性相关的微结构之间的相关性的微结构知识，可以稍后针对特定物理特性挖 掘提取的热力学相位数据。关于以下描述的实施例2更详细地描述了这些优势。

图6A是图解根据一种实施方式涉及提取的15,000种合金的热力学量604的电子数 据挖掘过程的实例的图表600。y轴表示和奥氏体相的Cr含量水平相关的第一热力学量，并 且x轴表示和二次碳化物含量水平相关的第二热力学量。以与如上述关于图5A和5B相似的 方式，基于热力学量和与目标特性相关的微结构之间的相关性，可以针对第一和第二热力 学量的特定组合挖掘包含提取的热力学量的数据库。以下关于实施例3提供了该过程的另 外的描述。

图6B是图解根据一种实施方式涉及提取的15,000种合金的热力学量624a-624k的 电子数据挖掘过程的另一实例的图表620。X轴表示和FCC-BCC相变相关的第一热力学量，并 且y轴表示和初生碳化物含量水平相关的第二热力学量。以与如上述关于图5A和5B相似的 方式，基于热力学量和与目标特性相关的微结构之间的相关性，可以针对第一和第二热力 学量的特定组合挖掘包含提取的热力学量的数据库。以下关于实施例3提供了该过程的另 外的描述。

认识到，图6A和图6B二者的结果均可在提取过程之后获得，不用另外的热力学量 提取且也不用另外的相位数据计算。即，单个数据提取过程可足以用于多个挖掘过程来确 定可以为彼此完全独立的多种不同目标特性的材料组合物。

如上所讨论，使用包括包含逻辑电路的处理器的电子实施系统最佳地实施根据本 文的实施方式设计合金的方法。图7-10图解了可在系统上执行的算法的实施方式。

图7-10图解了设计具有目标特性的材料例如合金的方法，包括使用包括逻辑电路 的处理器计算多种材料的热力学相图(图7)，由相图提取对应于多种材料的每一种的数值 热力学量，其中提取基于一组预先确定的热力学评估标准(图8)，和用处理器电子挖掘储存 的数值量以基于每种材料的数值量的至少一个子集针对对应于目标特性的材料设计标准 的比较排列材料(图9)。

图7是图解根据一种实施方式设计合金的相图计算算法100的流程图，其包括使用 包括逻辑电路的处理器计算多种合金的热力学相图。在一些实施方式中，图7中描绘的算法 可被实施为独立(stand-alone)算法。在其他实施方式中，算法700可被实施为子程序，即作 为较大算法的一部分。

在图7中图解的实施方式中，相图计算算法700包括多个过程：其包括，开始用于选 择元素和指定组成和/或温度范围和步长的过程704。例如，如果碳被指定为元素，由最小＝ 0％至最大＝1％的组成范围——以0.1％的步幅增量计算——可以在过程704处被指定。另 外，由300K至2000K的温度范围——例如以50K的步幅增量计算——可以在过程704处被指 定。

仍参考图7，相计算算法700另外包括用于设定合金组合物的过程708。在过程708 处，可以设定过程704中指定的组成范围内的一种合金组合物进行计算。例如，Fe_余量B_1.3C_0.8Cr₅Mn₁Mo₁Nb₄Si_0.5Ti_0.5V_0.5可以是在设定合金组合物的过程708处设定的特定组合 物。相图计算算法700另外包括在过程704中指定的温度范围内设定温度的过程712。例如， 待计算的第一温度可以是过程704中选择的温度范围内的最小温度值。

尽管为了清楚没有显示，但在一些实施方式中，例如，在过程712处除了温度以外 还可设定另外的热力学参数，以进一步减少自由度至零。如本文所使用的，自由度指强度特 性(invensiveproperty)比如温度或压力的数目，其独立于其他强度变量。自由度可以例 如通过吉布斯相律表达，其规定F＝C-P+2，其中C是组分的数目和P是相的数目。

仍参考图7，相计算算法700另外包括在过程716处计算相平衡参数或一组相平衡 参数，诸如例如，在温度设定过程712处指定的温度下存在的相的摩尔分数。

仍参考图7，在过程716处相平衡参数计算完成之后，相计算算法700继续进行至决 策过程720，以确定在过程716处最后计算的相平衡参数是否对应于在过程704处选择的整 个温度范围的最后温度。当在过程720处确定在过程716处的计算不对应于在过程704处选 择的范围的最后温度时，算法700通过在过程704处设定的步长使温度增加。例如，如果温度 步长在过程704处被指定为50K，则温度可以由300K增加至350K。算法然后循环回到过程 712，以在新设定的温度值下计算下一组相平衡参数，例如摩尔分数。迭代循环继续，直到已 计算在过程704处设定的整个温度范围。

仍参考图7，当确定已在决策过程720处计算整个温度范围时，相图计算算法700继 续进行以在过程724处将计算的在过程708处设定的组合物、在过程704处选择的整个温度 范围的相平衡参数储存在单独的合金数据文件中。储存的合金数据可以是表格的形式，例 如，其可以储存为具有合金设计的相关热力学信息的多个电子表格。例如，第一表格可包含 在所有计算的温度下合金中存在的每种相的摩尔分数。另外的表格可例如包含比如在所有 计算的温度下每种存在的相的化学组成的信息。

仍参考图7，在过程724处储存单独的合金数据文件之后，相图计算算法700继续进 行以在决策过程728处确定是否已计算在过程704处指定的合金组合物的整个范围。当确定 已计算合金组合物的整个范围时，算法700循环回到过程708，在那里设定新的合金组合物 并且迭代地重复过程708至724，直到在决策过程728处做出已计算合金组合物的整个范围 的决定。在一些实施方式中，一种元素的组成可对于由过程708至过程728的每个循环变化。 在其他实施方式中，大于一种(例如，两种或三种)合金元素的组成可对于每个循环变化。例 如，在对于1wt.％的碳含量已计算合金的整个温度范围之后，对于指定为0.5wt.％碳的步 长，计算的下一合金可具有1.5wt.％的碳含量。溶剂元素的相应重量百分数从而减少 0.5wt.％，使得多于一种合金元素的组成对于每个循环变化。但是，如果期望，可设计算法 以计算更复杂的合金变化。

仍参考图7，在最后的单独的合金数据文件已在过程724处储存和在决策过程728 处做出已计算合金组合物的整个范围的决定之后，相图计算算法在过程732处结束。在一个 实例中，当完成相图计算算法700时，可以生成和储存包括每种计算的合金组合物的单独文 件的数据文件夹。

认识到，在一些实施方式中，相图计算算法700是自动的，使得算法700配置为仅在 用于选择元素和指定计算范围和步长的过程704处采用人工输入，使得可执行随后的过程 708-732，并且在过程704处指定的整个计算范围内对于整个元素集，结果自动地储存。将进 一步认识到，如本文所描述的，在不使用算法比如在包括处理器的电子实施系统中实施的 算法700的情况下，对于典型计算获得的数据量实际上难以计算或操作。仅通过图解，可以 考虑具有下述元素的Fe基合金：碳(C)、硼(B)、钛(Ti)和铌(Nb)。例如，可以选择C和B的组成 为具有0和1wt.％之间的范围，并且组成步长可以设定为0.1wt.％。另外地，可以选择Nb和 Ti的组成为具有0和10wt.％之间的范围，并且组成步长可以设定为1wt.％。另外地，可以选 择温度为具有300K和2,000K之间的范围，并且步长可以设定为50K。在不使用在包括微处理 器的电子系统中实施的算法的情况下，这样的范围——其可以被本领域技术人员认为对于 设计商业合金是相对粗糙的——可能已经获得用于计算和操作的大量的数据。为了说明， 在该实例中的计算将涉及包括11×11×11×11＝14,641种不同的合金组合物的数据集 (即，利用给定的步长，0-10wt.％和0-1wt.％产生11种不同的迭代)。另外，对于指定的温度 范围和假定在每种合金中存在5种相的合理值，每种合金将包含每种合金组合物中35×5 (相摩尔分数数据)+5×4×35(相化学数据)＝875个数据点。总之，整个子程序将储存14, 641×875＝10,248,875个数据点，其将储存在14,641个单独的合金数据文件中。

数据提取涉及汇编(compilation)来自相图的相关热力学量。出于预测计算的合 金的微结构和性能的目的，该热力学量的选择必须由冶金学领域技术人员基于实验测量执 行。由相图提取的热力学量在相图自身中不显而易见地存在或者明显。对于感兴趣的每个 独特的热力学量，必须撰写和执行另外的计算程序。

在一个实例中，相分数是期望的热力学量。由于相图中每个相的相分数改变，并且 从而是温度的函数——除其他变量以外，冶金学技术人员必须执行实验性试验以便确定如 何控制这些变量，以便提取作为合金设计的数值量的适当的相分数。在该实例和其他实例 中，必须撰写单独的算法以提取适当的热力学量。

在其他实例中，提取的热力学量根本不存在于相图中，而是由相图中的信息计算 的信息的数学表达式。类似地，必须撰写和执行独特的计算程序以计算和储存在原始相图 中不存在的一条数值信息。

以上实例阐明了需要生成热力学量的提取程序和独特的算法不仅仅是原始相图 中存在的信息的重排，而是新的热力学量的生成，就执行合金设计而言，其具有超过单独相 图的另外的益处。

提取步骤生成将每种合金与每种热力学标准联系的新的数据库。该数据库将充当 数据挖掘算法的输入，其为合金设计的实际阶段。

以下描述了由相对大量的数据提取热力学量的子集。图8是图解根据一种实施方 式用于设计合金的数据提取算法800的流程图，其包括由相图提取对应于多种材料的每一 种的数值热力学量，其中提取是使用包括逻辑电路的处理器基于一组预先确定的热力学评 估标准。在一些实施方式中，图8中描绘的算法800可被实施为独立算法。在其他实施方式 中，算法800可被实施为子程序，即作为较大算法的一部分。

仍参考图8，在一些实施方式中，数据提取算法800可配置为采取由于实施图8的相 图计算算法800产生的单独合金数据文件作为输入。算法800包括多个过程，其包括开始在 过程804处选择合金和评估标准。在一些实施方式中，过程804可以被人工地执行，并且可表 示算法800中包括的过程中的唯一人工过程。过程804包括选择一种或多种合金，例如，图8 的相图计算算法800中计算的一种或多种合金。此外，过程804包括指定一个或多个评估标 准，其可以是通过其将评估一种或多种合金的热力学标准。通过举例，返回参考表1中图解 的实例，包括表1中显示的NbC的相％、NbC固化温度、奥氏体固化温度、FCC至BCC转变温度和 (Fe，Cr)-(C，B)固化温度的五种不同的标准可表示在过程804处选择的热力学标准。

仍参考图8，一旦在过程804处选择合金和评估标准，算法800继续进行以在过程 808处打开对应于在过程804处选择的单独合金中的一种的单独数据文件。返回参考通过图 解结合图8讨论的Fe基合金实例，在过程808处待打开的单独数据文件可以是如图7中执行 相图计算算法700中计算的14,641个单独合金数据文件中的一个。

仍参考图8，在过程808处打开对应于选择的单独合金中的一种的单独数据文件之 后，算法800继续进行以在过程812处对合金的单独数据文件执行分析计算以针对在过程 804处选择的评估标准(例如，热力学标准)评估数据文件。返回参考表1中的实例，算法可例 如扫描单独合金文件中的数据点以确定对应于五种热力学标准中的每一种的参数。例如， 每个分析计算的结果可表示在表1中。

仍参考图8，在过程812处执行分析计算的每次执行之后，在决策过程816处做出决 定以确定对于单独数据文件是否已评估所有的评估标准。当确定在数据文件上仍有评估标 准待分析时，算法800循环回到过程812以对数据文件迭代地进行另外的分析计算，直到已 对数据文件评估了过程804处选择的所有评估标准。返回参考表1，通过举例，在过程812和 816之间的过程循环继续，直到对于由这些行之一表示的合金已计算表1的第一行中列出的 所有五种热力学标准。

仍参考图8，一旦在决策过程816处确定已评估所有的评估标准，算法800继续进行 以在过程820处将计算结果储存在单独的表格化电子文件中。在一个实例中，这可以是电子 表格文件的形式。返回参考表1中的实例，表格化电子文件可以是与表1相似的格式。

一旦在过程820处已表格化和储存单独合金的分析计算的结果，算法800继续进行 至决策过程824以确定是否已评估在过程804中选择的所有合金和其相应的数据是否已被 储存。当确定仍有合金待评估时，算法800循环回至过程808以打开另一单独的合金数据文 件，并且继续执行由808至820的过程循环，直到已评估在过程804处选择的所有合金，算法 800在该点处继续进行至过程828以结束数据提取算法800。

当完成数据提取算法800时，可获得由产生于相图计算算法700的初始更大的多的 数据集提取的精简数据集，并且将其储存在单个精简数据储存文件比如例如与表1格式相 似的电子表格文件中。

认识到，当完成数据提取算法800时，相图内包含的复杂信息已被简化为一组离散 数值量，其可使用计算方法进一步解释和评估。例如，返回参考结合图7讨论的之前的实例， 其中计算了14,641种合金，对这种数据集实施数据提取算法800精简了14,641个单独文件 中包含的大量的热力学信息，以针对关键评估标准提取总结合金组合物的单个电子表格。 将进一步认识到，虽然使用连续运行的计算机所有14,641种合金的计算可耗费多至两周， 但相同量合金的数据储存步骤可以仅耗费数小时。包含在该表格中的量化信息可接着通过 以下描述的数据挖掘算法容易地管理。

挖掘方法是与提取方法独立的程序。例如，在已计算一种或多种合金并且通过提 取程序运行该合金集之后，使用提取的数据可运行多个挖掘程序，而不用再次重复计算或 提取步骤。此外，这标记了使用计算机执行CALPHAD过程之间的明显区别。在该常规方法中， 计算机被用于计算相图，冶金学家可使用该相图用于合金设计。使用基于计算机的CALPHAD 的另外的合金设计步骤还需要相图的另外的计算和/或评估。在本发明中，对于多个设计工 作，不需要再次计算相图，并且冶金学家不直接与相图配合来执行合金设计。而是，冶金学 家可连续地挖掘新开发的热力学量的数据库来设计合金。在本发明中，使用者可利用基于 计算机的方法的优势，但是对于每个独特的合金设计概念不需要另外的计算或与任何相图 配合。

数据挖掘步骤使能够实现传统的CALPHAD和计算机辅助CALPHAD方法之间的另一 基础差异，其在于在不需要使用冶金学领域技术人员必须借此解释的热力学信息的图表、 曲线图、图或任何显示的情况下，使得能够实现合金设计。数据挖掘阶段通过纯数值和算法 评估执行合金设计。该方法由于若干原因是有益的，1)它是纯粹客观的，对于设计不需要合 金行为的固有知识，2)非冶金学技术人员可基于一系列排序和排列步骤执行合金设计。

例如，提取步骤可产生100种合金的数据库，其联系于20个独特的热力学变量。在 任何阶段都不需要将热力学信息绘制成可视化或图形形式以便执行合金设计。而是，出于 设计目的，热力学参数或那些热力学参数的子集可用于排序和排列合金。

图9是图解根据一种实施方式用于设计合金的数据挖掘算法900的流程图，其包括 用处理器电子挖掘储存的数值量以基于每种材料的数值量的至少一个子集针对对应于目 标特性的材料设计标准的比较排列材料。数据挖掘算法900可以使用包括逻辑电路的处理 器实施。在一些实施方式中，图9中描绘的算法可被实施为独立算法。在其他实施方式中，算 法900可以是子程序，即较大算法的一部分。

参考图9，在一些实施方式中，数据挖掘算法900可配置为采用产生于图8的数据提 取算法800的储存的数据作为输入。在图9中，通过在过程904处选择一组待挖掘的分析结果 开始数据挖掘算法900。例如，在过程904处可选择使用数据提取算法800提取的精简数据 集。在过程904处选择分析结果集之后，在过程908处打开对应于选择的分析结果集的分析 数据文件。

仍参考图9，在过程908处打开选择的分析结果集之后，数据挖掘算法900继续进行 至用于限定待应用至在过程904处选择的分析结果集的一组设计标准的过程912。在一些实 施方式中，设计标准集可包括多个热力学标准。例如，参考表1中的实例，设计标准集可包括 预先确定的目标值内的第一行中的相平衡参数(例如，NbC的重量百分数)。在其他实施方式 中，设计标准集可也包括经济标准，比如由分析结果表示的每单位重量的合金组合物的成 本。

仍参考图9，然后在过程916处运用设计标准集以产生分析结果的子集，其表示在 过程904处选择的数据分析结果的原始集的子集。在一些实施中，在过程916处，对应于不符 合设计标准的合金的分析结果可以从在过程904处选择的分析结果去除(即，电子删除)，使 得在数据挖掘算法900的随后过程中不再分析去除的合金。在其他实施中，对应于不符合设 计标准的合金组合物的至少一些分析结果不被去除/删除，使得它们仍保留在分析结果的 子集中。

仍参考图9，数据挖掘算法900另外包括用于限定待应用至过程912中产生的分析 结果的子集的一组排列标准的过程920。例如，排列标准可以是基于每种标准的相对重要性 可以加权以生成总分的一组标准。基于在过程920处限定的排列标准，在过程924处可生成 分析结果的排列子集，可在过程928处打印其结果(电子打印在屏幕或数据文件中或物理打 印在纸张上)。打印输出的实例可包括电子表格形式的打印的分析结果的排列子集，其行基 于加权标准以下降分数排序。打印输出的另一实例可另外以各个排列标准权重的顺序使列 排列。例如，电子表格的第一行可列出基于加权排列标准具有最高总分的最高排列的合金， 并且第一列可表示具有最高相对重要性的排列标准。一旦产生打印输出，数据挖掘算法在 过程932处结束。

在一些实施方式中，数据挖掘算法900可配置为是相对开放的，使得除了用于选择 分析结果集的过程904之外，其还可在算法900的各种过程处采用另外的输入。在这些实施 方式中，使用者可创建新的子程序并且模拟冶金学领域中训练的技术人员，评估一系列用 于合金设计的单独相图。这样的技术不仅仅用于设计复杂系统中的合金，而且可也用于理 解和确定热力学标准和实际合金性能之间的关系。

认识到对于典型计算获得的数据量难以在不采用在如本文所描述的包括处理器 的电子实施系统中实施的数据挖掘算法900的情况下计算和操作。这可使用结合相图计算 算法700(图7)之前呈现的实例进行阐释，在所述相图计算算法700中已经计算了14,641种 合金并且储存为单独数据文件，其文件已经使用数据提取算法800(图8)进一步评估，以生 产单个电子表格。在该实例中，数据挖掘子程序打开和评估包含14,641×5(5个不同热力学 标准)＝73,205个数据点的单个电子表格。本文描述的计算方法可打开具有73,205个数据 点的单个电子表格，并且实际上同时进行数据挖掘算法900，而在没有该方法的情况下，过 程可能耗费数小时至数天。

应当理解可管理包括实施相图计算算法700(图7)、数据提取算法800(图8)和数据 挖掘算法(图9)的总体计算，使得冲击(strike)计算的总体速度和可用的计算资源之间的 期望平衡。图10是图解了管理总体计算的方法1000的流程图，其包括执行相图计算算法700 (图7)、数据提取算法800(图8)和数据挖掘算法900(图9)。方法1000包括连续或平行运行相 图计算算法700(图7)的一个或多个实例的方法1004。即，相图计算算法700的一个或多个实 例可在单个电子实施系统上连续运行一段时间，或可选地在多个电子实施系统上运行较短 的时间段。

在过程1004运行相图计算算法700的一个或多个实例之后，方法1000继续进行至 决策过程1008，用于确定是否已经累积了来自期望数量的相图计算算法700的实例的结果。 当在决策过程1008处确定尚未累积来自期望数量实例的结果，方法1000循环回到过程 1004，以运行相图计算算法700的另外一个或多个实例。另一方面，当在决策过程1008处确 定已经累积来自期望数量实例的结果时，方法1000继续进行至运行数据提取算法800(图8) 的一个或多个实例的过程1012，其可与过程1004类似地连续或平行运行。

在过程1012处运行数据提取算法800的一个或多个实例之后，方法1000继续进行 至决策过程1016，用于确定是否已经累积来自期望数量的数据提取算法1000的实例的结 果。当在决策过程1016处确定尚未累积来自期望数量实例的结果时，方法1000循环回到过 程1012，以运行数据提取算法800的另外一个或多个实例。另一方面，当在决策方法1016处 确定已经累积来自期望数量实例的结果时，方法1000继续进行至运行数据挖掘算法900(图 9)的一个或多个实例的过程1020，其可与过程1004和1012类似地连续或平行运行。

具体的算法是连续运行还是平行运行，以及具体的算法对来自之前算法的结果是 滚动运行还是在单个实例中运行，可基于估计的算法的计算资源确定，使得合金的总体设 计基于可用的计算资源针对期望的通量最优化。

下面，为了示意性目的描述图10的方法的实例实施。为一个具体实例计算的合金 组合物的初始集可包括，例如，10,000种合金组合物。参考图10，在过程1004，相图计算算法 700可设置为对10,000种组合物执行——例如在10个电子实施系统上10个单独的实例，其 中每个电子实施系统对例如1000种组合物执行相图计算算法700的一个实例。过程循环 1004-1008可进一步配置为累积来自相图计算算法700的所有10个实例的结果。在从十个电 子实施系统之一完成10个实例的每一个之后，方法1000在决策过程1008处确定是否已经运 行了相图计算算法700的所有10个实例。当确定已经运行了小于所有10个实例时，方法1000 循环回到过程1004，以运行相图计算算法700的另外的实例，直到已经执行了所有10个实 例，此时，方法1000继续进行至过程1012，以运行数据提取算法800的一个或多个实例。在过 程循环1004-1008中执行的10个实例的结果可组织为例如包括10个文件夹的数据结构，其 中每个文件夹包括来自每个电子实施系统的相图计算算法700的一个实例的结果。

在图10的方法的一个具体的实例实施中，可作为数据提取算法800的单个实例执 行相图计算算法700的所有10个实例的结果。另外，作为实例，可为10,000种合金组合物的 相图计算算法700的每个结果选择700个不同的热力学标准进行评估(例如，在图8的过程 804处)。在该实例中，数据提取算法800的输出可包括具有10,000行(例如，每种合金1行)和 101列(例如，1指定每种合金，例如100指定100个热力学标准)的电子表格。当然，尽管在该 实例中，仅仅指定了运行数据提取算法800的一个实例，但是如果指定运行数据提取算法 800的大于一个实例，则方法1000在决策过程1016处确定是否已经运行了所有指定的数据 提取算法800的实例，并且如果有尚未运行的另外的实例，则方法1000循环回到过程1012， 以运行数据提取算法800的另外实例，直到已经运行了所有指定的实例，此时方法1000继续 进行至过程1020，以运行数据挖掘算法900的一个或多个实例。

在图10的方法的一个具体的实例实施中，数据提取算法800的一个实例的结果可 如数据挖掘算法900的多个实例一样在过程1020处连续或平行执行。例如，数据挖掘算法 900的多个实例可表示排列10,000种合金组合物(例如，在图9的过程924处)，用于设计非磁 性合金、抗裂硬面合金和耐腐蚀合金。

认识到，通过图10中描述的方法和其实例实施，一旦生成来自1012-1016过程循环 (例如，在该实例中具有10,000列和101行的电子表格)的结果，其可用于通过在过程1020处 (图10)简单地执行随后数据挖掘算法900(图9)的实例，而不必重复地执行相图计算算法 700和数据提取算法800，为了不同的目的设计多种类型的合金(例如，非磁性合金、抗裂硬 面合金和耐腐蚀合金)。

实施例

实施例1：选择非磁性硬面合金组合物

该实施例详述了合金设计程序，其可用于开发既为非磁性的并且具有高耐磨性和 硬度的合金组合物。这样的特性在Fe基材料中不是固有包含的，因为非磁性形式的奥氏体 是最柔软形式的铁。因此，该挑战性双重性质材料是证明描述的设计概念的能力的良好候 选物，以阐释参与复杂多组分合金系统设计的透彻的研究。使用包括通过本领域技术人员 比较实验和模拟结果的单独的发明的过程，确定FCC-BCC转变温度和在1300K下总体上硬颗 粒相分数是两个热力学标准，其可有利地用于在该应用空间中设计合金。此外，通过该单独 的发明的过程确定具有950K的最小FCC-BCC转变温度和20摩尔％的最小硬颗粒相分数也有 利于确保这样的合金具有符合该应用空间的性能要求的高概率。

可认识到，开发T(γ→α)热力学量要求限定实验相关性过程。可认识到，建议设计 用于室温应用的非磁性硬面合金组合物将包括选择相图提示在室温下是磁性的合金不是 固有显而易见的。但是，高于室温的FCC-BCC转变温度意味着铁的磁性相(BCC)在室温下是 热力学稳定的。该实施例阐明了相图本身不显而易见地包含可用于合金设计的信息，而是 该方法通常导致产生非显而易见或甚至与常规冶金假设相反的热力学量。

表2表示与图7的相图计算算法700相似的相图计算算法的11个实例的结果。用于 运行这些子程序的参数的描述显示在表2中，其包括为每个元素以及温度显示的最小计算 范围(min)、最大计算(范围)和步长(步幅)。在每个计算系列中，存在一些在整个子程序中 保持恒定(为设定值)的元素。相图计算算法的11个实例生成4,408个单独的合金数据文件。

表2

随后，将与图8的数据提取算法800相似的数据提取算法应用到表2中显示的相图 计算算法的结果。对在相图计算算法的多个实例中初始计算的所有4,408种合金组合物执 行数据提取算法。针对下述热力学标准评估单独的合金数据文件：(1)如通过BCCFe作为非 零量存在的最高温度限定的FCC-BCC转变温度；和(2)如通过平衡时在1300K下在合金中存 在的任何碳化物、硼化物或金属间化合物的摩尔相分数之和限定的在1300K下的硬颗粒相 分数。数据提取算法结束时，生成单个数据文件，其列表显示4,408种合金组合物的每个的 FCC-BCC转变温度和硬颗粒相分数。

随后，将与图9的数据挖掘算法900相似的数据挖掘算法应用到上述数据提取算法 的结果。如所提到的，基于单独的发明的过程，确定950K的最小FCC-BCC转变温度(T_γ→α)和 20摩尔％的最小硬颗粒相分数(∑_硬)是确保这样的合金具有符合该应用空间的性能要求的 高概率的有利标准。因此，限定了两个必要的设计标准：(T_γ→α)＞950K和(∑_硬)＞20mol％。 基于该过滤器，643个合金保持在优选的设计子集中。接下来，限定排列设计标准：根据 (∑_硬)排列合金，较高的硬颗粒相分数视为更有利的。

表3以单个表形式表示数据挖掘算法的最终输出的实例的一部分，其具有可能是 非磁性的并且具有高硬度和耐磨性的合金组合物。在数据文件中，根据可能的硬度和耐磨 性水平，进一步组织合金。表3中列举的合金组合物表示可能是最硬的并且是最耐磨合金的 优选子集的那些合金组合物：

表3

Fe B C Cr Mn Nb Ni Ti V W T_γ→α∑_硬60.5 1 2.5 18 10 4 0 0 0 4 950 52％ 74.3 1 3 6 4 0 6 0.2 0.5 5 950 52％ 72.3 1 3 6 4 0 8 0.2 0.5 5 900 52％ 76.3 1 3 6 4 0 4 0.2 0.5 5 950 51％ 71.3 1 3 6 4 0 4 0.2 0.5 10 950 51％

表3表明在不需要本领域技术人员评估热力学信息的情况下设计合金的能力的少 量实例。这是将合金组合物与两个热力学量简单关联的表的实施例。这样的表可包含大量 独特的合金和大量独特的热力学量。然后利用纯算法排序和排列方法执行合金设计。在上 述实例中，在图表顶部处的合金Fe_60.5B₁C_2.5Cr₁₈Mn_i0Nb₄W₄是完全合金设计过程的输出，并且 仅仅是合金组合物。使用者不需要为了确认该合金评估相图或任何图形热力学显示。此外， 使用者不需要理解合金组合物和期望的性能之间的任何相关性，经纯客观的数值分析，该 算法从数据集中简单地确认了最佳候选物。

实施例2：选择抗裂硬面合金组合物

该实施例详述了合金设计程序，其可用于开发同时具有高耐磨性并且非常耐裂化 的合金组合物。这样的特性在Fe基材料中不是固有包含的，因为硬度和韧性(其提供对裂化 的抗性)是冶金学领域技术人员已知的逆相关的两个特性。因此，该挑战性的双重性质材料 是证明描述的设计概念的能力的良好候选物，以阐释参与复杂多组分合金系统设计的透彻 的研究。使用包括通过本领域技术人员比较实验和模拟结果的单独的发明的过程，确定总 的初生硬颗粒相分数和总的二次硬颗粒相分数是两个热力学标准，其可有利地用于在该应 用空间中设计合金。此外，通过该单独的发明的过程确定2摩尔％的最小初生硬颗粒相分数 和10摩尔％的最大二次硬颗粒相分数是用于确保这样的合金具有符合该应用空间的性能 要求的高概率的必要阈值。

表4表示与图7的相图计算算法700相似的相图计算算法的13个实例的结果。用于 运行这些子程序的参数的描述显示在表4中，包括为每个元素以及温度显示最小计算范围 (min)、最大计算(范围)和步长(步幅)。在每个计算系列中，存在一些在整个子程序中保持 恒定(为设定值)的元素。相图计算算法的这些13个实例生成9,132个单独的合金数据文件。

表4

随后，将与图8的数据提取算法800相似的数据提取算法应用到表4中显示的相图 计算算法的结果。对在多个数据计算子程序中初始计算的所有9,132种合金组合物执行数 据提取算法。针对下述热力学标准评估单独的合金数据文件：(1)如通过任何碳化物、硼化 物或金属间相的室温下摩尔相分数之和限定的初生硬颗粒相分数，所述任何碳化物、硼化 物或金属间相在高于奥氏体铁作为非零量存在的最高温度至少10K的温度下以非零量存 在；和(2)如通过任何碳化物、硼化物或金属间相的室温下摩尔相分数之和限定的二次硬颗 粒相分数，所述任何碳化物、硼化物或金属间相在高于奥氏体铁作为非零量存在的最高温 度小于10K的温度下以非零量存在。数据提取算法结束时，生成单个数据文件，其列表显示 9,132合金组合物每个的这2个热力学量。

随后，将与图9的数据挖掘算法900相似的数据挖掘算法应用到上述数据提取算法 的结果。如所提到的，基于单独的发明的过程，确定2摩尔％的最小初生硬颗粒相分数(初 生)和10摩尔％的最大二次硬颗粒相分数(二次)是确保这样的合金具有符合该应用空间的 性能要求的高概率的必要阈值。因此，限定了两个必要的设计标准：初生＞2％和二次＜ 10mol％。基于该过滤器，341个合金保留在优选的设计子集内。接下来，限定排列设计标准： 根据(初生)使合金排列，较高的初生硬颗粒相分数视为更有利的。表5表示数据挖掘算法的 最终输出的实例的一部分。

表5

Fe B C Cr Mn Mo Nb Si Ti 初生 二次 72.8 2 2.5 0 1.16 0.74 10 0.76 10 33.9％ 0.9％ 70.8 2 2.5 2 1.16 0.74 10 0.76 10 33.7％ 5.2％ 73.8 2 2.5 0 1.16 0.74 9 0.76 10 32.9％ 2.1％ 74.8 2 2.5 0 1.16 0.74 8 0.76 10 31.9％ 3.1％ 72.8 2 2.5 2 1.16 0.74 8 0.76 10 31.3％ 5.8％

实施例2是提取方法和具有专用算法和计算程序必要性的良好阐释，所述专用算 法和计算程序被建立以从相图提取热力学信息，其不是在热力学相图本身中固有显而易见 的或存在的。在该实施例中，基于相本身的形成温度与钢相、奥氏体或铁素体的形成温度的 关系，区分初生和二次硬颗粒。考虑当计算9,000种合金时潜在地存在的潜在硬相的数量， 必须构建相对复杂的算法，以适当提取该信息。换句话说，使用询问相图的精良算法产生标 记为‘初生’的热力学量，但是最终仅仅是数字。类似地提取标记‘二次’的热力学量。这两个 实施例阐释了热力学相图正用于创建可在稍后阶段有效地挖掘的单独的和独特的数据库。

为了阐释热力学量“初生”的固有复杂性，提供了生成该数值的算法的描述。首先， 该算法确定奥氏体或铁素体是否是在最高温度下存在的Fe基相。存在这两种相的任一种的 最高温度被确定为温度1。其次，该算法确定在计算的温度范围内存在的所有的其他相。第 三，确定和记录每个“其他相”的形成温度。形成温度定义为指定相具有非零摩尔分数的最 高温度。第四，该算法评估每个“其他相”的形成温度是否大于温度1。如果形成温度较高，则 该相视为初生硬相。如果形成温度较低，则该相视为二次硬相。第五，累积在300K的指定温 度下初生碳化物摩尔分数并且提取至列描述符“初生”的数据库。可认识到热力学量不仅仅 是在相图中固有存在或显而易见显示的数值，而是为了合金设计目的需要的复杂算法的产 物。

上面两个实施例显示了以线性方式进行的三个描述的步骤：计算、提取和挖掘。但 是，如先前描述，经计算机简单地使用CALPHAD本发明上面的一个独特的方面是从提取的热 力学量的数据设计独特微结构和性能的多种合金的能力。例如，在上面两个实施例中计算 大致15,000种合金并且在每个提取步骤中描述两个热力学量。但是，在该方法中，在提取程 序期间，提取全谱的潜在热力学量是有利的，无论在那时冶金学家意图的设计如何。

在上面两个实施例中，使用全部3个步骤过程：计算、提取和挖掘，分别设计非磁性 硬面材料和抗裂硬面材料。在进行的实施例中，可在不运行另外计算的情况下设计另外的 独立合金。该实施例显示该方法的效力，由此冶金学家可执行独特地单独设计程序，而不需 要运行另外的计算或与相图配合。

实施例3：选择耐腐蚀和耐磨损合金组合物

利用之前的15,000个计算，冶金学家可立即挖掘该数据以开发独特的合金系统： 耐磨损和耐腐蚀硬面合金。在该实施例中，对15,000种合金再次运行提取程序，以包括本领 域技术人员已经经实验测量确定与期望的微结构和特性相关的另外感兴趣的热力学特性。 待添加的另外热力学参数的实例将是在1300K下奥氏体相中按重量％计的Cr含量，称为 “1300K奥氏体Cr”。再一次，该热力学量的选择是非显而易见的并且需要实验，因为合金的 腐蚀性能与在室温下合金中不存在的相(奥氏体)的高温(1300K)下的Cr含量相关联。在该 实施例中，不运行计算程序，并且可快速询问15,000种合金用于独特的合金系统。在实施例 3中，运行数据提取步骤，以提取迄今讨论的所有热力学量：T(γ-α)、∑_硬、初生、二次和1300 奥氏体Cr，即使并不是所有这些量都与该具体的实施例相关。一旦被提取，该数据可被挖 掘，以为该应用确定最佳合金。例如，所有15,000种合金可被排序，以立即去除1300奥氏体 Cr水平低于0.12的任何合金。然后，剩余的合金可根据最高二次值排列。图9显示所有15, 000种合金的提取的热力学量，以表明这样合金的设计如何被量化成简单的数值项。但是， 如所提到的，进行该合金设计不需要图形显示和热力学信息的评估。而是，基于算法排序和 排列程序选择单个合金或数个合金的集合用于制造。

因为该合金设计在15,000种合金上执行，而不必重新计算15,000种合金——其使 用超级计算机可能耗费高达约15个小时，该方法的能力得以揭示。在实施例3的设计过程 中，仅仅运行提取过程，其可能耗费最多约1个小时。可认识到该方法可用于避免大量的时 间长度，例如对于15,000,00种合金避免了15,000个小时的计算时间，这允许该非常大的合 金集在约100小时的合金设计中使用。

返回参考图6A，图表600描绘了同时使用两个热力学量同时评估许多合金。这部分 是为了方便，因为物理上不可能在二维图上图形显示大于2个热力学量的一系列合金。但 是，该方法在其评估大于2个热力学量的大的合金集的独特能力上是有利的。数值排序和排 列算法使得同时评估无穷数量的热力学量，因为在任何情况下冶金学家不必查看相图或其 他图形显示。通常的情况是，对于合金，必须符合多种性能标准以具有作为制造产品的效 用。

实施例4：选择非磁性和抗裂合金组合物

在另一个实施例中，可再次使用之前的15,000个计算。在该情况下，由于在之前的 实施例中提取了5个热力学标准——尽管对于抗腐蚀和抗磨损合金设计仅需要两个量，还 避免了提取程序。由于热力学标准在该方法中连续地形成，可以更通常地避免计算和提取 方法，以加速合金设计过程。返回参考图6B，图表620图解了用于挖掘抗裂非磁性硬面材料 的实例图表。在该实施例中，在单独的发明的过程中确定初生硬相分数和Tα至γ转变温度 是用于设计该产品的相关热力学参数。然后图6B的图表620表示在该具体实施例中计算的 15,000种合金的挖掘结果，现在借此评估这些合金用于非磁性硬面应用。在实施例4中，由 于未运行另外的计算或提取算法，瞬时执行该独特地和单独的合金设计过程。即使当在非 常大量的合金内设计时，排序和排列对使用者是基本上瞬时的。在该实施例中可认识到，使 用该公开的方法在几秒内在合金设计中如何利用15,000,000种合金的极其大的合金集，而 常规的CALPHAD技术将需要相当长的15,000小时(625天或1.7年)。但是，该比较是错误的， 因为其需要本领域技术人员评估和理解包含在15,000,000个相图中的热力学信息，其不可 能通过常规的CALPHAD执行。因此，可认识到，通过常规的CALPHAD方法同时评估15,000,000 种合金在逻辑上是不可能的。

与图6A类似，图6B描绘了由于绘制多个变量的物理限制，仅使用两个热力学量同 时评估许多合金。但是，在合金设计中通常期望使用3个或更多个热力学量，并且实施例4可 进一步得益于在其设计中使用另外的热力学量。在实施例4中，排列和排序算法可用于确认 包含最大的“Tα至γ”阈值的合金，并且根据最高“初生”量其被进一步排列。通过添加另外 的标准——“二次”——可进一步增强该实施例中合金的设计。在该情况下，排序“二次”量 使得仅具有最大“二次”量的合金在该设计中被进一步考虑。在该示例性实施例中，三个热 力学标准被同时用于合金集的设计中。要认识到，使用常规的CALPHAD方法不可能产生信息 的热力学显示，借此3个独立的变量可用于该设计；这种显示必须是三维图像并且非常难以 解释。此外，大于三个独立变量的物理显示不能被物理地显示。公开的方法是唯一已知的对 于多种合金同时使用大于3个热力学量执行合金设计的方式。

在一种实施方式中，该方法用于评估合金集的2个或更多个热力学量。在优选的实 施方式中，该方法用于评估合金集的3个或更多个热力学量。在仍优选的实施方式中，该方 法用于评估合金集的4个或更多个热力学量。

实施例3和4强调了该方法与常规的CALPHAD相比的另一独特的特征——在广大的 组成范围中有效地执行合金设计的能力。在一种实施方式中，该方法在其同时使用100种合 金执行合金设计的能力上是独特的。在优选的实施方式中，该方法在其同时使用500种合金 执行合金设计的能力上是独特的。在仍优选的实施方式中，该方法在其同时使用1,000种合 金执行合金设计的能力上是独特的。在US2009/00531100A1实例中，CALPHAD方法用于同时 有效地评估1-4种合金。使用热力学信息的图形显示的常规技术在评估1-10种合金上是有 效的，当同时评估11-99种合金时变得越来越无效，并且当评估100种合金或更多时对于合 金设计变得无用。

在另一个实例中，基于实验测量和其预测微结构和性能的能力，计算了1,000,000 种合金并且限定了50个热力学标准。一旦计算——使用超级计算机可耗费多至6个月—— 和提取——其可耗费多至数周，可执行挖掘过程以设计多种类型的合金。利用计算机挖掘 过程是基本上瞬时的。

在另一个实例中，利用一系列超级计算机，计算合金钢的所有可能性——其表示 数以万亿的潜在合金组合，这可耗费多至数年。通过100种独特的发明的过程确定100个相 关的热力学量以预测钢中的各种微结构和性能特征。一旦计算和评估，可以挖掘和使用该 数据以针对各种不同期望的微结构和性能标准设计合金，以便瞬时有效地开发在可能的钢 的整个范围(span)中独特的和单独的功能材料。

在最终的实例中，利用一系列超级计算机，计算所有可能的元素组合，这可耗费多 至十年。通过1,000种独特的发明的过程确定1,000个相关的热力学量以预测各种微结构和 性能特征。一旦计算和评估，可以挖掘和使用该数据以针对各种不同期望的微结构和性能 标准设计合金，以便瞬时有效地开发在可能的材料的整个范围中独特的和单独的功能材 料。

结合具体方面、实施方式或实施例描述的特征、材料、特性或组要理解为可适用于 本文所述的任何其他方面、实施方式或实施例，除非与其不兼容。在本说明书(包括任何所 附权利要求、摘要和附图)中公开的所有特征，和/或所公开的任何方法或过程的所有步骤 可以以任何组合结合，除了其中至少一些这样的特征和/或步骤是互相排斥的组合以外。该 保护不限于任何前述实施方式的细节。该保护延伸至本说明书(包括任何所附权利要求、摘 要和附图)中公开的任何新的特征或任何新的特征的组合，或延伸至所公开的任何方法或 过程的任何新的步骤或任何新的步骤的组合。

虽然描述了某些实施方式，但是这些实施方式仅作为实例呈现，并且不旨在限制 保护的范围。事实上，本文所述的新的方法和系统可以以各种其他形式体现。此外，在本文 所述的方法和系统的形式中，可以做出各种省略、替代和改变。本领域技术人员认识到，在 一些实施方式中，在图解和/或公开的过程中采用的实际步骤可能与图中显示的那些步骤 不同。取决于实施方式，以上描述的某些步骤可以被去除，其他步骤可以被添加。此外，以上 公开的具体实施方式的特征和属性可以以不同的方式结合以形成另外的实施方式，其全部 落在本公开内容的范围内。

尽管本公开内容包括某些实施方式、实施例和应用，但本领域技术人员要理解，本 公开内容延伸超过具体公开的实施方式至其他可选的实施方式和/或用途以及其显而易见 的改进和等价物，包括没有提供本文阐释的所有特征和优势的实施方式。因此，本公开内容 的范围不旨在由本文优选的实施方式的具体内容所限制，并且可以由本文呈现的或将来呈 现的权利要求所限定。