近日，之江实验室与浙江大学城市学院在先进材料制造领域取得重大进展，成功研发出一种可实现“秒级生成”的多孔合金材料计算模型。这一创新如同为材料科学界注入了一剂强心针，打破传统材料设计周期冗长、成本高昂的桎梏，将原本需要数天甚至数周的材料结构模拟与优化过程压缩至秒级完成，为航空航天、生物医疗、能源存储等领域的轻量化、高强度材料研发按下了“加速键”。
多孔合金材料因具有高比强度、良好吸能性和优异的传热性能，广泛应用于飞机结构件、人工骨骼、催化剂载体及电池电极等领域。多孔材料在自然界中普遍存在，例如轻而坚韧的蜂窝、强韧兼备的骨骼等。尽管内部充满孔隙，它们却往往具备优异的承载性能。但传统的研发方法依赖实验试错和有限元仿真，费时费力且难以精确调控孔隙结构和力学性能。如何高效、精准地进行材料结构设计，是材料科学领域的核心挑战。
此次浙江科研团队创新性地融合人工智能算法与物理驱动模型，构建出一套“物理信息神经网络+多尺度拓扑优化”的智能生成框架。该模型在训练过程中学习了海量多孔合金的微观结构与性能数据，能够根据用户输入的力学、热学或渗透性目标参数，智能生成最优孔隙分布与骨架结构，实现“输入需求，秒出方案”的高效设计模式。
实验数据显示，该模型在典型钛基、镍基多孔合金设计中，生成速度较传统方法提升上千倍，设计精度误差控制在5%以内，且具备良好的可制造性，可直接对接3D打印等增材制造工艺。目前，该模型已成功应用于某型号航空发动机隔热部件的轻量化设计，使部件减重23%的同时，保持优异的抗疲劳性能。
团队负责人表示：“我们不再‘试’材料，而是‘算’材料。秒级生成不只是速度的提升，更是材料研发范式的革命。”这一成果不仅大幅缩短了从概念到应用的周期，也为定制化、智能化材料设计开辟了新路径。
业内专家指出，该模型的发布，标志着我国在智能材料设计领域迈出关键一步。随着人工智能与材料科学的深度融合，未来“按需定制”高性能材料将成为现实，推动制造业向高端化、智能化转型升级。
