一、方法论创新：从“试错仿真”到“智能涌现”的跨尺度融合

传统计算材料学常受限于“精度”与“尺度”的矛盾：第一性原理（DFT）精准但尺度微小；经验势函数尺度大但精度不足。本研究通过 “主动学习驱动的机器学习原子间势（MLIP）” 实现了量子精度与介观尺度的无缝桥接。

1. DFT提供“真理数据”与物理机理：计算数千个构型的能量、力、应力，明确揭示了Cu掺杂降低氢溶解能的电子结构根源（电荷聚集、键强增强）。
2. 主动学习实现“势函数的自我进化”：MLIP在模拟过程中自动识别不确定性高的新原子构型（如高温、大应变、界面），将其返回给DFT计算并扩充训练集。这使得势函数能主动探索并学习相变路径上的未知区域，而非被动拟合已知数据。
3. 结果：获得的Al-Sc-Cu势函数在能量预测上误差<10 meV/atom，同时能可靠模拟纳米析出相在热处理中的形核、生长动力学。这解决了长期困扰该体系的模拟难题——传统经验势无法描述Cu-Sc-Al三元复杂相互作用。

这标志着一套“DFT-MLIP-MD/MC”的高保真跨尺度计算流水线的成熟，使得在介观尺度上以近电子精度进行“虚拟热处理实验”成为可能。

图1：强氢捕获能力相的识别策略。a 目前在钢和铝合金中已识别的氢陷阱相。红星标示出在严苛条件下形成、具有高氢捕获能力的相。b 结合第一性原理计算、机器学习原子间势、分子动力学模拟与实验验证，以识别氢陷阱相。

二、设计理念创新：从“稳态相”到“亚稳相功能化”的范式转换

传统材料设计多聚焦于热力学最稳定的平衡相，因其易于获得和保持。本研究大胆提出并验证了 “目标导向的亚稳相工程” 这一前沿理念。

• 核心洞见：最强的氢陷阱（Cu₃Sc或高Cu占比Al₃₋ₓCuₓSc）在热力学上是亚稳的，其形成窗口窄，传统工艺难以捕获。
• 逆向设计路径：研究并未因亚稳而放弃，反而将其作为设计目标：
  1. 功能优先：通过DFT高通量筛选，锁定具有极低ΔG_soln的亚稳相结构作为“靶标”。
  2. 动力学导航：利用上述MLIP与动力学模拟，精确绘制该亚稳相在温度-时间空间中的“形成地图”，寻找到能最大化其数量密度和Cu掺杂量的工艺窗口（500°C固溶 + 120°C时效）。
  3. 热力学-动力学协同：认识到亚稳相在长期服役中可能向稳态演化，进而前瞻性研究了Cu从析出相内部向界面偏聚的热力学趋势，并评估了这种演化对氢陷阱能力和力学性能的复杂影响（界面偏聚可能继续捕氢同时强化基体）。

这标志着材料设计从“追求最稳定”转向“设计最有功能”，并学会在热力学与动力学的博弈中，为亚稳功能相创造生存与发挥作用的空间。

图2：铜掺杂Al₃Sc析出相氢捕获能力的DFT计算结果

图3：Al-Sc-Cu原子间势的训练与验证

图4：结合分子动力学与蒙特卡洛模拟Al-Sc-Cu合金的固溶处理与时效处理

图5：Al-Sc-Cu合金微观结构评价及抗氢脆策略

图6：微观结构中Cu分布的探测

三、研发范式创新：从“经验探索”到“计算驱动、实验验证、闭环优化”的全新流程

本研究完整展示了现代化材料研发的理想闭环，大幅压缩了研发周期与成本。

1. 计算预言：在实验合金制备之前，已通过计算预测了最优成分（Al-Sc-Cu体系）、最优相（Cu掺杂Al₃Sc）、最优工艺（特定固溶时效制度）及其性能增益（显著降低氢脆敏感性）。
2. 精准实验验证：所有实验工作（合金熔炼、热处理、力学测试、APT、TDS）都成为对计算预言的靶向验证，而非盲目筛选。例如，STEM/EDS直接瞄准“观察Cu是否进入Al₃Sc”，APT专门分析“H是否富集在Sc-Cu共偏聚区”，TDS用于解析计算预测的多个氢陷阱能级。
3. 机理相互印证：计算揭示的原子尺度机理（如H-Cu键合、低扩散势垒）与实验观测的宏观性能提升（伸长率损失降低）和微观结构表征（元素分布）形成了多层级、互锁的证据链，使结论极为坚实。