近期，中國科學院合肥物質院核能安全所科研人員在鉛基堆燃料包殼合金與液態鉛鉍共晶合金（LBE）冷卻劑的腐蝕相容性研究方面取得了系列進展，相關成果發表在國際核材料領域知名期刊Journal of Nuclear Materials上。

鐵素體/馬氏體（F/M）鋼是鉛基堆燃料包殼的重要候選結構材料，但在高溫液態LBE中易發生腐蝕。調控LBE中的溶解氧有助于在F/M鋼表面形成保護性氧化層，有效減緩腐蝕速率，但提升材料本身的耐腐蝕性仍至關重要。由于LBE腐蝕實驗周期長、成本高，傳統經驗法在機理揭示與材料篩選中存在局限性，亟需構建高效、精準且具可解釋性的預測模型，以加速材料設計與性能評估。

為深入理解腐蝕機制與提升材料性能，針對上述問題，研究團隊從原子尺度建模與數據驅動預測兩方面開展了系統研究。

在第一性原理研究方面，研究人員采用基于密度泛函理論（DFT）的第一性原理計算，系統研究了不同Cr濃度的Fe_3-xCr_xO₄氧化層結構中的空位形成與遷移行為，并分析了Pb和Bi對其耐腐蝕性能的影響。結果表明，富Cr的Fe-Cr尖晶石層相較于Fe₃O₄氧化層具有更高的空位形成能和擴散能壘，使得Fe、Cr和O等原子在這類氧化層中的擴散更為困難，進而表現出對LBE腐蝕更強的抑制作用。該研究從原子尺度揭示了Cr元素在提升氧化層抗腐蝕性能中的關鍵作用，為開發高性能耐鉛鉍腐蝕材料提供了理論支撐和設計依據。該論文第一作者是核能安全研究所博士后Ahmed Shahboub，通訊作者為鄭明杰研究員，并得到國家自然科學基金企業創新聯合基金、中國科學院戰略性先導科技專項和中國科學院合肥科學中心協同創新計劃等項目的共同資助。

在數據驅動建模方面，研究人員提出了一種可解釋的機器學習（ML）模型，用于預測F/M鋼在靜態LBE環境中的氧化腐蝕行為，并建立了合金成分、測試條件與氧化膜厚度之間的定量關聯。通過算法比較與特征篩選，構建了包含9個關鍵特征的梯度提升回歸（GBR）模型。為增強模型的可解釋性，研究引入SHAP方法，量化重要特征的獨立貢獻及其非線性交互效應，明確了Mo、Cr和Si等關鍵元素的最佳含量范圍，并據此提出多元素協同優化策略，為合金設計提供了指導依據。該研究為液態金屬腐蝕行為預測與抗氧化合金設計提供了新思路，突破了傳統模型在處理非線性復雜關系和機器學習模型在解釋性方面的局限。論文第一作者為核能安全所博士研究生鄧呈敏，通訊作者為鄭明杰研究員和上海大學熊杰助理研究員。該研究得到了國家自然科學基金企業創新聯合基金、國家重點研發計劃和中國科學院戰略性先導科技專項等項目的資助。

文章鏈接:

https://doi.org/10.1016/j.jnucmat.2024.155592;

https://doi.org/10.1016/j.jnucmat.2025.155998.

圖-1 氧化物結構：(a) Fe₃O₄、(b) Fe_2.5Cr_0.5O₄、(c) Fe₂CrO₄和 (d) FeCr₂O₄

圖-2 Pb和Bi原子在(a) Fe₃O₄、(b) Fe_2.5Cr_0.5O₄、(c) Fe₂CrO₄和(d) FeCr₂O₄中電荷密度差分分布。

圖-3 GBR模型的預測值與實驗值的對比結果

圖-4 SHAP分析中對F/M鋼在LBE中氧化腐蝕行為影響最大的前六個特征及其獨立貢獻