顶刊综述：AI赋能增材制造镍钛形状记忆合金的前沿进展与未来机遇

增材制造镍钛基形状记忆合金（SMAs）凭借其独特的功能特性与卓越的设计灵活性，在航空航天和生物医疗器械领域展现出突破性的应用前景。然而，增材制造过程中涉及的多物理场耦合复杂性往往造成不同批次和设备间的微观结构、相变行为及力热力学性能出现显著差异，制约了其工业化可靠应用。本综述系统梳理了人工智能技术如何突破这些技术瓶颈。文中深入分析了机器学习在工艺参数优化、相变温度预测及缺陷防控等方面的应用成效。同时，探讨了AI驱动的合金设计方法，重点阐述了迁移学习如何有效整合传统加工数据，加速新型镍钛基材料的研发，以实现定制化相变温度和功能特性的精准调控。进一步讨论了AI赋能的多尺度结构优化技术，包括利用计算机视觉与生成式建模设计具备可编程特性和特定应用机械响应的复杂点阵结构。此外，明确指出了新兴发展机遇，涵盖多源数据融合、CALPHAD集成热力学数据库及大语言模型等前沿方向，这些技术有望全面革新增材制造镍钛形状记忆合金的研发范式。上述AI增强方法协同解决了将实验室成果转化为工业化规模应用的核心技术难题，同时实现了对多功能镍钛基合金工艺-组织-性能关系的精细化调控。

智能材料作为21世纪最具潜力的材料类型，是一类能够感知并响应外部环境刺激的先进材料，集驱动与诊断功能于一体[1,2]。其中，镍钛（NiTi）合金因其显著的形状记忆效应（SME）和超弹性（SE）特性，辅以优异的力学性能、良好的耐腐蚀性和出色的生物相容性，已成为智能材料领域的核心代表[3,4]。其应用范围覆盖汽车制造、航空航天、机器人技术、智能制造及生物医疗等多个行业领域，包括耐磨轴承和火星探测器超弹性轮胎等典型应用（图1）。尽管铁基和铜基形状记忆合金（如Fe-Mn-Si、Cu-Zn-Al和Cu-Al-Ni）具有成本优势和大规模商业化潜力，但其固有缺陷和欠佳的力热力学性能[5,6]限制了其在更广泛领域的实际应用。相较之下，镍钛基形状记忆合金凭借其卓越的综合性能，已成为各类应用场景的首选材料。当前，商业化的镍钛合金丝材、弹簧和驱动元件已成为众多工程领域的成熟解决方案。随着航空航天和个性化医疗的迅猛发展，对先进智能合金的市场需求急剧上升，这进一步推动了对增强功能特性和更高效制备工艺的深入探索。