研究背景

鎳基高溫合金在各種環(huán)境下的性能表現(xiàn)與其微觀結(jié)構(gòu)密切相關(guān)，但傳統(tǒng)表征技術(shù)存在明顯局限。例如，單束掃描電子顯微鏡（SEM）難以兼顧高分辨率與大視場成像，導致無法全面統(tǒng)計納米級碳化物的分布特征。多束SEM雖提高了通量，卻無法同時獲取形貌與成分信息，從而限制了研究者對碳化物空間分布、界面行為及動態(tài)演化規(guī)律的深入理解。此外，傳統(tǒng)方法依賴人工標注海量圖像數(shù)據(jù)，效率低下且難以精確量化Re元素對碳化物粗化的影響。為此，清華大學先進材料實驗室開發(fā)了一種創(chuàng)新的單束高通量SEM技術(shù)，結(jié)合改進的深度學習模型，實現(xiàn)了從宏觀到原子尺度的多維度表征。

技術(shù)創(chuàng)新與方法

本研究通過多學科交叉融合，構(gòu)建了一套完整的碳化物跨尺度表征體系，主要包括以下技術(shù)突破：

高通量SEM成像技術(shù)

自主研發(fā)的電子光學系統(tǒng)實現(xiàn)了二次電子（SE）與背散射電子（BSE）信號的同步采集，成像速度高達每秒2億像素。通過大面積陣列掃描（覆蓋12.96×4.33 mm2區(qū)域），生成了分辨率達15 nm的TB級全景圖譜，為碳化物的統(tǒng)計分析提供了高精度數(shù)據(jù)基礎(chǔ)。

智能圖像分析與特征識別

采用改進的U-Net模型，結(jié)合數(shù)據(jù)增強技術(shù)（如隨機裁剪、旋轉(zhuǎn)等），實現(xiàn)了碳化物的自動標注，準確率超過95%。通過多尺度特征融合算法，成功區(qū)分了MC型（Ta/Hf富集）與M23C6型（Cr/Re富集）碳化物，并量化了其在枝晶間與枝晶內(nèi)的分布差異。

跨尺度關(guān)聯(lián)與驗證

基于全景圖譜提取了碳化物的尺寸、體積分數(shù)及空間分布密度等關(guān)鍵參數(shù)，揭示了蠕變過程中MC分解與M23C6生長的動態(tài)競爭機制。同時，利用STEM-HAADF與EDS技術(shù)，在原子尺度上解析了M23C6/γ′基體的共格界面及Re元素的占位特征，驗證了位錯釘扎效應與擴散抑制機制。

科學發(fā)現(xiàn)與應用價值

動態(tài)演化規(guī)律

研究發(fā)現(xiàn)，蠕變過程中MC碳化物逐漸分解，而M23C6碳化物則通過Re元素的晶格占位抑制粗化，從而提升了材料的高溫穩(wěn)定性。

界面強化機制

通過原子尺度分析，證實了M23C6/γ′共格界面對位錯的釘扎作用，為優(yōu)化高溫合金的抗蠕變性能提供了理論依據(jù)。

工程應用指導

研究結(jié)果表明，當M23C6體積分數(shù)超過0.25%時，材料的蠕變壽命可提升23%。此外，Re元素的摻雜閾值（原子占比>2.5%）為平衡材料性能與加工工藝提供了重要參考。

圖文概覽

1：展示了單束高通量SEM技術(shù)的工作流程，包括樣品制備、電子光學系統(tǒng)設(shè)計及全景圖譜生成。

（A）高溫合金的中間合金。（B） 高溫合金的蠕變試桿。藍色箭頭表示施加的力 [001] 的方向。（C） 蠕變斷裂樣品的冷鑲嵌 [100] 縱向截面。（D） 單光束高通量 SEM 的電子光學系統(tǒng)。（E） 陣列掃描區(qū)域以綠色顯示。（F） （E） 中橙色框的詳細視圖。（G） 單個 15 nm 原生像素分辨率 BSE 圖像。（H） 來自 1774 張 BSE 圖像的機器學習和自動蒙太奇后的全景圖（右）和示例細節(jié)（左）。MC 和 M23C6這里的碳化物分別標記為紅色和綠色。此處全景圖中的矩陣以黑色顯示。（I） TEM 和 STEM 的電子光路。（J 和 K） 硬質(zhì)合金微觀結(jié)構(gòu)示意圖。（L） 蠕變破裂樣品的蠕變曲線。（M） 微觀結(jié)構(gòu)分析是大規(guī)模高通量觀察和宏觀尺度性能之間的紐帶。

圖2：詳細說明了基于機器學習的碳化物自動檢測與標注過程

（A）從陣列掃描中獲取大量 BSE 圖像，其中 100 張隨機選擇作為訓練/測試圖像。（B） 左圖示意性地顯示了包含初級碳化物（白色）、次級碳化物（淺灰色）和基體（深灰色）的訓練/測試 BSE 圖像之一。中間和右圖說明了訓練/測試圖像的半自動數(shù)據(jù)標記后的圖像，其中初級和次級碳化物分別用橙色和藍色標記。（C） 從原始圖像中隨機提取許多具有固定窗口大小的圖像塊并標記訓練/測試圖像，此處用黃色虛線框（左）表示，然后應用縮放、旋轉(zhuǎn)、剪切、鏡像和作（右）來構(gòu)建用于模型訓練和測試的最終圖像數(shù)據(jù)集。（D） 使用 U-Net 分割建立自動特征檢測模型，并使用訓練/測試圖像來調(diào)整模型參數(shù)并檢查模型的準確性。（E） 該模型用于自動識別其余陣列掃描 BSE 圖像（左）中的特征，所有圖像中的初級碳化物和次級碳化物分別標記為紅色和綠色（中），從而可以創(chuàng)建帶有標記碳化物的全景圖。

圖 3.MC 和 M 空間分布的異質(zhì)性23C6五個樣品中的碳化物

（A） 五個樣品中每個樣品的全景圖譜，顯示了兩種碳化物空間分布的異質(zhì)性。MC 和 M23C6碳化物分別標記為紅色和綠色。請注意，此處的基體顯示為黑色，以增強這些縮小尺寸圖像中碳化物的可見性。藍色箭頭表示高溫合金的熱處理和蠕變時間表。比例尺，1 毫米。（B 和 D） 3 x 1 蒙太奇區(qū)域的示例，顯示樹枝間和樹突區(qū)域，對應于 （A） 中由橙色和黃色線框標記的區(qū)域。這里的基體被人為地變成了黑色，以顯示對比度更高的碳化物。比例尺，50 μm。（C 和 E） 顯示碳化物和 γ/γ' 基體的更高放大倍率視圖。

圖 4基于樣品比例數(shù)據(jù)的碳化物統(tǒng)計分析

（A 和 B）所有 MC 和 M 的大小分布23C6五個樣品中的碳化物。單個 MC/M23C6此處定義的 Carbide 是每個全景圖集中的單個閉合紅/綠區(qū)域。每個彩色點代表一個碳化物，水平散布顯示每個值的點數(shù)。黑色圓圈是平均值。（C） 五個樣本的總陣列掃描面積（條形圖，左縱坐標）和 M 的數(shù)量23C6蠕變樣品的每單位面積碳化物數(shù)（折線圖，使用科學記數(shù)法的右縱坐標）。（D） MC（紅色填充）和 M 的體積（面積）分數(shù)23C6（綠色填充）碳化物。M 沒有數(shù)據(jù)的原因23C6SA1 和 SA2 中的碳化物是沒有 M23C6存在于樣品 SA1 和 M 23C6不能在 SA2 中充分蝕刻。

圖 5.M 的微觀結(jié)構(gòu)M23C6碳化物及其與周圍基體的關(guān)系

（A）SA1試樣枝晶區(qū) 晶帶軸取向：g = [020]，B = [100]

顯微特征：未觀察到M23C6碳化物，γ′相（粉色區(qū)域）與γ相（白色區(qū)域）均勻分布，無位錯網(wǎng)絡。標尺：0.5 μm

（B）SA2試樣枝晶區(qū) 晶帶軸取向：g = [110]，B = [110]

紅色箭頭指示：沿γ相（白色區(qū)域）位錯線形核的M23C6碳化物簇（非連續(xù)分布）。標尺：0.5 μm

（C）SA3試樣枝晶區(qū)（蠕變22.2小時） 晶帶軸取向：g = [002]，B = [100]

結(jié)構(gòu)演化：M23C6碳化物侵入γ通道（平行/垂直應力方向），γ′相筏化結(jié)構(gòu)初步形成。標尺：0.5 μm

（D）SA4試樣枝晶區(qū)（蠕變131.6小時） 晶帶軸取向：g = [020]，B = [100]

綠色三角標注：M23C6/γ′界面處位錯網(wǎng)絡，通過共格界面釋放錯配應力。標尺：0.5 μm

（E）SA5試樣枝晶區(qū)（蠕變斷裂） 晶帶軸取向：g = [020]，B = [100]

關(guān)鍵特征：M23C6/γ′界面位錯密度顯著增加（綠色三角），γ′筏顯著粗化。標尺：0.5 μm

（F）M23C6碳化物演化示意圖（SA1→SA5）γ′相：粉色區(qū)域γ相：白色區(qū)域

演化路徑：無析出（SA1）→位錯形核（SA2）→γ通道填充（SA3）→界面位錯網(wǎng)絡形成（SA4）→筏狀基體協(xié)同變形（SA5）

（G）多面體M23C6碳化物模型

幾何特征：26面體（含、、晶面），與γ′基體共格（H-I）晶帶軸投影

H：[100]軸投影：立方對稱性

I：[110]軸投影：Re原子（高Z襯度）有序占位（J-O）HAADF-STEM圖像與EDS元素分布

（J）M23C6碳化物（B = [100]）a（HAADF）：原子級分辨率顯示碳化物晶格b（EDS）：Re-Lα信號富集于核心

（K）(001) M23C6/γ′界面（B = [100]）a：界面原子級共格（無位錯）b：Cr/Re沿界面偏聚