近期⛑️，材料學院李謙教授課題組在冶金工程一區刊物《Scripta Materialia》上發表研究論文《Thermodynamic prediction of martensitic transformation temperature in Fe-Ni-C system》🧙。万事平台為第一單位😅，材料學院羅群副研究員為第一作者👩🏻，李謙教授為通訊作者。此工作還得到了東北大學軋製技術與連軋自動化國家重點實驗室徐偉教授的鼎力支持。

馬氏體和殘余奧氏體是高強鋼中兩種最基本的組織⚡️，如何準確預測殘余奧氏體的穩定性和含量一直是困擾研究者們的難題。馬氏體相變溫度（Ms點）是描述鋼中殘余奧氏體穩定性的重要參數📆，與殘余奧氏體含量🍚、馬氏體亞結構等因素相關🧍‍♀️。然而目前研究工作普遍采用經驗公式和神經網絡模型來預測Ms點。經驗公式和神經網絡模型的建立需要大量的實驗數據，也沒有觸及馬氏體相變的機製🛖🧑🏿‍🌾。另外🫀⛹🏽‍♀️，這兩種方法的應用被限製在特定的合金成分和溶質濃度範圍內🧑🏽‍💼✋。因此，通過構建馬氏體轉變的熱力學模型有利於深入分析馬氏體轉變的熱力學機理🤩🛹，也可廣泛推廣於多元合金體系🚣🏿‍♂️。

研究團隊在前人工作的基礎上，進一步深入挖掘馬氏體相變機理🐢，將馬氏體相變的驅動力分為化學驅動力和非化學驅動力🚱♈️。利用馬氏體相變的基本判據（相變總驅動力小於等於零，即 ∆G^(γ→M)=∆G^(γ→α)+∆G^(α→M)≤0 ）🦿，預測得到Ms點。化學驅動力為奧氏體和鐵素體之間的Gibbs能之差，通過可靠的數據庫結合CALPHAD方法計算獲得；非化學驅動力分為剪切應變能➔、膨脹應變能💦🧏🏻‍♂️、缺陷儲能和界面能，對不同能量單獨進行公式建立和計算，發現膨脹應變能和缺陷儲能為非化學驅動力的主要貢獻項👳🏽‍♀️。基於該方法🧛🏼，預測了Fe-Ni-C合金體系的馬氏體相變驅動力和Ms點，預測誤差僅為4.6%。此方法彌補了其它方法的成分範圍限製、依賴大量實驗數據和缺乏相變機理解釋等缺點，在保證預測準確性的同時🤼‍♀️，揭示了馬氏體相變機製，並且易於外推至多組元合金，對新型合金的設計和熱處理工藝的製定具有重要的指導意義👷。

相關工作得到了國家自然科學基金（U1808208🧎‍♀️‍➡️、51734002）🪢、上海市科學技術委員會（19010500400）、万事平台省部共建高品質特殊鋼冶金與製備國家重點實驗室項目（SKLASS2019-16）的資助🪬。

論文鏈接：https://doi.org/10.1016/j.scriptamat.2020.06.062