MIT 研究團隊成功開發出一種革命性可 3D 打印鋁合金，其強度達傳統鋁材 5 倍，且能承受高達 400°C 的極端溫度。這項突破性材料結合機器學習技術與快速冷卻製程，僅需評估 40 種配方即找出理想組成，相較傳統方法需模擬超過 100 萬種組合，效率急速提升。該合金預期將大幅降低航太與汽車產業的製造成本及能源消耗，並可能取代目前造價高昂的鈦金屬零件。
機器學習重新定義材料研發典範
傳統材料科學長期依賴反覆試驗與直覺判斷，但當化學組成複雜度增加時組合可能性呈指數級擴張，使試錯法變得不切實際。MIT 團隊採用結合 CALPHAD 相圖熱力學模擬與貝葉斯最佳化的混合演算法，快速定位出具備理想微細析出物結構的鋁合金配方。這些奈米級析出物以規則模式排列於鋁基體中，有效強化金屬強度並提供高溫穩定性。
Carnegie Mellon University 助理教授 Mohadeseh Taheri-Mousavi 表示：「通常合金的重新設計是為了達到鑄造合金的性能，但這裡 3D 打印過程中的快速凝固反而讓合金更強，這非常令人興奮」。她曾在 MIT 擔任博士後研究員期間主導此項目，研究資金來源包括海軍核實驗室、NASA STRI 及 DARPA 等大型機構。
性能超越鍛造級鋁合金標準
根據發表於權威期刊《Advanced Materials》的論文，這種新合金在採用雷射粉末床熔融 (LPBF) 技術打印後，室溫抗拉強度達 395 MPa，較目前最佳可打印鋁合金強 50%，且與鍛造級 Al 7075 鋁合金性能相當。研究團隊將鋁粉與其他 5 種元素混合，送往德國帕德博恩大學合作夥伴進行打印，隨後在 MIT 進行強度測試與微結構分析。
鋁合金 7075 長期作為航太工業的主力材料，廣泛應用於機身框架、機翼組件與起落架等關鍵部位，其抗拉強度與許多鋼材相當，但重量僅為鋼材 3 分之 1。該合金在極端條件下仍能保持結構完整性，並具備優異的疲勞抵抗力，這對於承受反覆負載的飛行器零件至關重要。然而傳統鋁合金在 3D 打印過程中易產生裂紋，限制了積層製造技術的應用潛力。
航太應用前景與經濟效益分析
MIT 機械工程系主任 John Hart 教授指出：「噴射引擎的風扇葉片目前多以鈦金屬製成，雖然性能優異，但比鋁重 50% 以上，成本更高出 10 倍」。鈦金屬原料每公斤約 35 美元（約港幣 HK273），成品加工成本達每公斤5.75美元（約港幣HK44.85）以上，而鋁材原料僅每公斤 2 美元（約港幣 HK15.6），加工成本約2.2美元（約港幣HK17.16）。若以新開發的可打印鋁合金取代鈦材，可大幅減輕重量並降低製造與維修成本。
MarketsandMarkets 研究報告預測，全球航太材料市場規模將從 2025 年的 430 億美元（約港幣 3,354 億元）增長至 2030 年的 623 億美元（約港幣 4,859.4 億元），年複合成長率達 7.7%，其中鋁合金、鋼合金、鈦合金與複合材料為主要類別。Airbus 等航太巨頭正積極推動鈦與鋁的循環利用，Constellium 與 TARMAC Aerosave 已成功將退役飛機的鋁材回收重熔，製成符合新機製造要求的高性能材料。
積層製造技術開啟設計新維度
雷射粉末床熔融 (LPBF) 技術採用高功率光纖雷射作為熱源，選擇性地逐層熔化金屬粉末，冷卻後凝固成型。此技術可製造具備複雜內部結構與通道的零件，這些幾何形狀用傳統鑄造或加工方法幾乎不可能實現。Hart 教授表示：「由於 3D 打印可生產複雜幾何構型、節省材料並支援獨特設計，我們認為這種可打印合金也適合應用於先進真空幫浦、高階汽車與資料中心的散熱系統」。
LPBF 的快速冷卻速率是實現高強度的關鍵因素。「有時我們必須思考如何讓材料與 3D 打印相容」Hart 解釋，「在這裡，3D 打印因其獨特特性——特別是快速冷卻速率——開啟了新大門。雷射熔化合金後的極快速凝固創造出這組特殊性能」。這種急速凝固過程有效抑制大型析出物生長，形成高密度的奈米級強化相，使打印合金的微結構優於相同組成的傳統鑄造合金。
材料基因組倡議引領產業轉型
這套機器學習輔助材料設計方法論，源自 MIT 鋼鐵研究小組 (SRG) 創始人 Gregory B. Olson 教授於 1985 年提出的計算材料設計概念。Olson 回憶：「當時沒人知道我們能否真正做到這點，我有檔案記錄顯示，某些機構抵制整個概念，因為他們認為材料永遠無法被設計出來」。2011 年，美國總統奧巴馬宣布啟動材料基因組倡議 (MGI)，目標是將先進材料的發現、製造與部署速度增倍，成本降至傳統方法的一小部分。
Taheri-Mousavi 的研究始於 2020 年 Olson 在 MIT 開設的課程，當時他挑戰學生設計更強的可打印鋁合金。她隨後運用機器學習改進早期嘗試，發現模型能以遠快於人工模擬的速度，找出具備更密集析出物的理想配方。洛斯阿拉莫斯國家實驗室的研究顯示，這種基於數據科學的自適應設計策略，結合實驗反饋，能顯著加速發現具有目標性能的新材料。
跨領域應用潛力與未來展望
除航太領域外，這種輕量化高強度材料在汽車、能源與電子產業同樣展現廣闊應用前景。Taheri-Mousavi 表示：「如果我們能使用更輕的高強度材料，將為運輸產業節省大量能源」。她的願景是：「有一天，乘客從飛機窗口向外看時，會看到由我們的鋁合金製成的引擎風扇葉片」。
研究團隊正應用類似的混合框架進一步改良合金其他性能。機器學習驅動的材料發現方法已擴展至超導體、催化劑、光伏與儲能系統等領域，並透過深度學習、圖神經網絡、貝葉斯最佳化與自動生成模型 (GANs、VAEs) 等先進技術，實現材料自主設計。Google DeepMind 的 GNoME 工具甚至發現 220 萬種新晶體，包括 38 萬種穩定材料，可能驅動未來技術發展。
這項成果為材料科學建立「高效率、低成本、高可靠度」的新典範，也證明 AI 與自動化實驗的結合正在徹底改變材料發現與改良方式。隨著俄羅斯國家研究型工藝技術大學開發出添加鈣的航太級鋁合金，以及瑞士洛桑聯邦理工學院 (EPFL) 研究團隊 3D 打印的超強材料問世，全球材料科學競賽已進入白熱化階段。對於追求永續發展的企業而言，這種兼具性能與環保優勢的新材料，將成為實現碳中和目標的關鍵推手。
資料來源：MIT News、Voxelmatters、Carnegie Mellon University、Advanced Materials
