机器学习设计具有合适腐蚀速率的400 MPa级生物可降解Zn–Mn基合金

生物可降解锌合金常用的试错法成本高且具有盲目性。本研究基于在国家数据管理与服务平台上自建的生物可降解锌合金数据库,通过皮尔逊相关筛选、递归筛选与穷尽筛选方法,首次建立了两种机器学习模型来预测生物可降解锌合金的极限抗拉强度(UTS)和浸泡腐蚀速率(CR)。基于两种预测模型建立了Zn–Mn基合金设计的实时可视化界面;可根据输入特征量实时预测目标量并展示影响规律。最终设计出具有代表性的Zn–0.4Mn–0.4Li–0.05Mg合金,通过拉伸力学性能和浸泡腐蚀速率测试,其UTS达到420 MPa,预测误差仅为0.95%。
CR为73 μm/a,预测误差为5.5%。将常用挤压态锌合金的UTS提高了50 MPa等级,并且作为植入器械时具有理想的腐蚀速率。最后,详细讨论了所筛选特征对UTS和CR的影响规律。UTS和CR模型的联合应用为协同调控生物可降解锌合金的综合性能提供了新的策略。