近期，中国科学院合肥物质院核能安全所科研人员在铅基堆燃料包壳合金与液态铅铋共晶合金（LBE）冷却剂的腐蚀相容性研究方面取得了系列进展，相关成果发表在国际核材料领域知名期刊Journal of Nuclear Materials上。

铁素体/马氏体（F/M）钢是铅基堆燃料包壳的重要候选结构材料，但在高温液态LBE中易发生腐蚀。调控LBE中的溶解氧有助于在F/M钢表面形成保护性氧化层，有效减缓腐蚀速率，但提升材料本身的耐腐蚀性仍至关重要。由于LBE腐蚀实验周期长、成本高，传统经验法在机理揭示与材料筛选中存在局限性，亟需构建高效、精准且具可解释性的预测模型，以加速材料设计与性能评估。

为深入理解腐蚀机制与提升材料性能，针对上述问题，研究团队从原子尺度建模与数据驱动预测两方面开展了系统研究。

在第一性原理研究方面，研究人员采用基于密度泛函理论（DFT）的第一性原理计算，系统研究了不同Cr浓度的Fe_3-xCr_xO₄氧化层结构中的空位形成与迁移行为，并分析了Pb和Bi对其耐腐蚀性能的影响。结果表明，富Cr的Fe-Cr尖晶石层相较于Fe₃O₄氧化层具有更高的空位形成能和扩散能垒，使得Fe、Cr和O等原子在这类氧化层中的扩散更为困难，进而表现出对LBE腐蚀更强的抑制作用。该研究从原子尺度揭示了Cr元素在提升氧化层抗腐蚀性能中的关键作用，为开发高性能耐铅铋腐蚀材料提供了理论支撑和设计依据。该论文第一作者是核能安全研究所博士后Ahmed Shahboub，通讯作者为郑明杰研究员，并得到国家自然科学基金企业创新联合基金、中国科学院战略性先导科技专项和中国科学院合肥科学中心协同创新计划等项目的共同资助。

在数据驱动建模方面，研究人员提出了一种可解释的机器学习（ML）模型，用于预测F/M钢在静态LBE环境中的氧化腐蚀行为，并建立了合金成分、测试条件与氧化膜厚度之间的定量关联。通过算法比较与特征筛选，构建了包含9个关键特征的梯度提升回归（GBR）模型。为增强模型的可解释性，研究引入SHAP方法，量化重要特征的独立贡献及其非线性交互效应，明确了Mo、Cr和Si等关键元素的最佳含量范围，并据此提出多元素协同优化策略，为合金设计提供了指导依据。该研究为液态金属腐蚀行为预测与抗氧化合金设计提供了新思路，突破了传统模型在处理非线性复杂关系和机器学习模型在解释性方面的局限。论文第一作者为核能安全所博士研究生邓呈敏，通讯作者为郑明杰研究员和上海大学熊杰助理研究员。该研究得到了国家自然科学基金企业创新联合基金、国家重点研发计划和中国科学院战略性先导科技专项等项目的资助。

文章链接:

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

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

图-1 氧化物结构：(a) Fe₃O₄、(b) Fe_2.5Cr_0.5O₄、(c) Fe₂CrO₄和 (d) FeCr₂O₄

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

图-3 GBR模型的预测值与实验值的对比结果

图-4 SHAP分析中对F/M钢在LBE中氧化腐蚀行为影响最大的前六个特征及其独立贡献