低膨胀材料能够在温度波动下保持良好的尺寸稳定性，是高精度仪器和极端环境装备的重要基础。然而，近零热膨胀材料较为稀缺，同时兼顾宽工作温区、相稳定性和良好力学性能仍具有较大挑战。多元合金化为低膨胀性能调控提供了更高的成分设计自由度，但由此产生的庞大且高度非线性的成分空间也显著增加了材料筛选难度。尤其是低膨胀行为对磁相互作用和微小成分变化高度敏感，优异性能往往局限于狭窄的成分窗口，而有限的实验数据又容易导致模型过拟合和预测稳健性下降。因此，如何充分利用有限实验数据高效引导材料设计，在庞大的多元成分空间中快速定位高性能低膨胀区域，是该领域亟待解决的关键问题。

图1 原文和摘要

近期，北京科技大学邢献然教授团队构建了主动学习与物理指导的实验微调相结合的设计框架，成功发现新型Cr-Co-Ni-Fe低膨胀合金（CCNF）。研究团队以137个实验样本为基础，通过特征筛选和由粗到细的成分搜索，在百万级候选空间中筛选具有潜力的配方，并将新获得的实验结果反馈至模型。经过两轮、共16个候选合金的前瞻性实验验证，团队定位了低膨胀成分区域，再通过局部成分调控，确定兼顾热膨胀与居里温度的最终配方。CCNF合金在123–553 K温区内的平均线膨胀系数低至（1.9±0.3）×10⁻⁶ K⁻¹，居里温度达到580 K，较研究中的传统Invar对照合金提高约87 K；同时，抗拉强度和屈服强度分别达到467 MPa和270 MPa，并保持良好塑性，展现出突出的综合性能优势。

图1 主动学习设计合金框架与性能

研究进一步揭示，磁体积效应对正常晶格热膨胀的补偿，是CCNF保持低膨胀的重要原因。同步辐射与磁学测量相互印证，机器学习分析还识别出原子体积、d电子数等与热膨胀密切相关的六个描述符，为后续成分设计提供了线索。除宽温区低膨胀外，CCNF还表现出良好的相稳定性：经过12–128小时液氮浸泡及77–493 K之间100次冷热循环后，其热膨胀性能基本保持不变；变温同步辐射与原位拉伸中子衍射在各自测试条件下均未检测到新增相。这些结果为CCNF作为尺寸稳定材料的进一步开发奠定了基础，也展示了主动学习与物理认识相结合，在有限数据条件下加速发现高性能低膨胀合金的潜力。

图2 相关热膨胀性能的展示

相关成果以“Discovery of Multicomponent Invar Materials With Low Thermal Expansion, High Curie Temperature, and Superior Phase Stability Assisted by Active Learning”为题，发表于Advanced Materials。北京科技大学博士生杨淞为论文第一作者，林鲲教授为通讯作者。该工作得到国家重点研发计划、国家自然科学基金、中央高校基本科研业务费等项目支持。北京科技大学、日本理化学研究所SPring-8中心和美国橡树岭国家实验室的研究人员共同参与了本研究。文章链接：https://doi.org/10.1002/adma.74942。