以機器學習全面提升高熵材料研發效率 國網中心強化台灣材料科學競爭力

材料科學對產業升級和國家競爭力至關重要，不過傳統材料研發技術正面臨週期長、成本高、效率低等挑戰，為突破技術瓶頸，國網中心與清華大學高熵材料研發中心合作開發的創新材料研究平台，結合高熵材料的獨特優勢和AI機器學習演算法，大幅提升高熵材料的研發效率，可望強化台灣在材料科學領域的競爭優勢。

高熵材料是中研院新科院士、清大材料系葉均蔚教授於2004年首次提出的突破性概念，其核心理念結合多種元素，以特定比例組合而成的金屬材料，不同於傳統以單一元素為主的材料設計，此方式能更容易形成固溶體，產生單一的熱力學結構，可透過調整元素比例靈活調節材料特性。

高熵材料這種新型多元素混合設計理念開創了材料設計新方向，在極端環境下表現出色，可滿足現代工業對高性能材料的迫切需求。2018年後，國際權威學術期刊《Nature》對葉均蔚教授的一次專題訪問後，也奠定了台灣在高熵材料的全球領導地位。

然此材料的研發仍面臨多重挑戰，由於複雜的多元素組成，須大量實驗才能找到理想配比，傳統在材料的研究過程中，從發現到部屬商業應用往往耗時15～20年，投入成本高昂。研發者只能依賴有限的經驗和理論模型，難以精確且有效率的預測材料性能，這些因素導致高熵材料的研發極其艱難且耗時。

對此，國網中心正著手於建立專業的高熵材料資料庫平台，整合大量研究數據和相關計算工具，此平台不僅收集已知的高熵材料數據，還可部屬各種數據處理工具與材料性質的機器學習預測模型，為研究者提供豐富的參考資源。此外，平台還引入AI機器學習演算法，可大幅提高高熵材料的研發效率。這些模型可同時考慮多種材料性質，實現多目標優化，提供研究者更全面、更精準的材料設計方案(設計流程如圖一)。

國網中心與清華大學合作的研究團隊，過去已經利用深度學習演算法取得顯著成果。以開發高硬度鋁鈷鉻鐵錳鎳基底的高熵材料系統為例，研究團隊透過機器學習模型，成功預測並藉由實驗驗證了三組硬度超過600HV的新材料成分，其中，最佳的新材料成分比例所測得的硬度達到 650HV，比現有文獻記錄的最高值（539HV）高出 20%，由此可看出高熵材料設計方法結合AI技術的獨特優勢。

圖一、機器學習材料優化流程

另一具創新性的是平台開發的「材料設計空間」可視化技術。這項技術運用生成網路模型，將複雜的材料數據轉化為直觀的二維視覺化表示，研究人員可在此空間中，直接觀察不同元素含量與材料性質之間的關聯，快速分析海量的材料組合可能性，大幅提升研究效率與洞察力。

圖二、生成網路模型建構材料成分、相結構及性質的視覺化設計空間

具備獨特性質的高熵材料，可應用於多個領域中。在航太方面，高熵合金以其優異的高溫強度、耐磨性和抗氧化性，成為製造噴氣引擎、渦輪葉片等關鍵部件的理想材料。此外，這些合金的高強度和延展性，適合用於航太結構件，提升飛行器的性能和安全性。在能源產業方面，則可打造耐用、穩定、且高效的能源轉換和儲存材料。未來，國網中心的研究平台將持續擴大資料庫，提升機器學習模型的準確性和可解釋性，藉由產學合作，讓高熵材料從實驗室走向實際應用，強化台灣在材料科學領域的國際競爭力。