鉴于国防安全、高端制造等重点领域中关键材料动态物性参数对应力-应变率可控加载的依赖性，对国内外相关功能梯度复合材料实现应力-应变率可控加载的研究进展进行了简要梳理和总结，综述重点为功能梯度复合材料应力-应变率可控加载相关动态物性参数的研究进展。概述了材料动态物性参数对应力-应变率可控加载的影响以及复合材料动态物性参数的测获方法，为了解应力-应变率可控加载技术提供参考。

碳化硼作为典型的轻质高强陶瓷材料，在国防军事和航空航天等领域具有广阔的应用前景。然而，在强冲击载荷下，碳化硼中极易出现由二十面体破坏引起的纳米级局部非晶带，造成灾难性剪切失效。由于碳化硼局部非晶带的形成显著依赖于其微观结构，分子动力学模拟成为揭示其微观结构演化过程和机理的关键手段。然而，受限于传统作用势精度不足、开发难度高等问题，传统分子动力学在模拟碳化硼等复杂材料体系上面临着巨大的挑战。近年来，机器学习方法的发展为作用势开发提供了新的研究范式。在众多机器学习势中，基于深度神经网络的深度势能（deep potential，DP）模型应用尤为广泛。该模型既能保持与第一性原理计算相当的精度，又具备与传统分子动力学相媲美的效率，因此，成为研究复杂材料体系的有效方法。为此，系统阐述了DP方法在碳化硼陶瓷研究中的应用。首先，概述了DP模型的理论框架、开发流程以及碳化硼DP模型的构建和验证；随后，通过深度势能分子动力学模拟揭示了碳化硼陶瓷的力学响应及局部非晶化机理，并进一步阐明了微合金化、化学计量比调控、晶界工程以及缺陷调控等策略对碳化硼延展性的增强机制；最后，展望了DP模型在碳化硼等复杂材料体系研究中的应用前景。

为了实现梯度材料高通量优化设计，需要梯度材料加载性能的准确性和快速预测能力。人工智能技术结合飞速发展的硬件条件已逐渐成为不同学科领域的革命性研究工具。在材料科学领域，机器学习方法在材料的高通量设计和性能的高通量预测方面均发挥着巨大作用。在可控加载梯度材料优化设计中引入机器学习方法，结合基于物理模型的计算结果，建立了较为准确的快速预测模型，显著提高了优化计算通量。多物质流体弹塑性计算程序MLEP在梯度材料实验设计和数据解读中已经过多轮校验，对实验结果具有较高的预测精度，基于该程序的数值实验样本可以建立高精度的代理模型。为了使MLEP可以应用于更宽范围的密度梯度材料设计及实验预测，在现有模拟程序中加入了p-α 模型，用于描述低密度聚合物在冲击/准等熵加载中的力学行为，可以实现飞片密度从0.5 g/cm³左右增大至15.0 g/cm³。

高保真材料模型的系统性构建、优化和验证对于动态载荷仿真至关重要。详述了在大禹数字平台上构建和验证此类模型的方法：首先，构建参数化状态方程（equation of state, EOS）框架，整合所有可用的含相关不确定度的实验数据，并采用全局优化方法确定最优EOS参数；然后，将优化后的EOS与包含待定参数的本构模型耦合，开展复现实验条件的一维或二维数值模拟；进而，利用优化算法迭代调整本构模型参数，以实现模拟波形与实验波形的全局最优匹配，从而精确标定本构参数；最后，整合优化后的EOS与标定后的本构模型，形成完整的材料模型，并为自研及商业仿真软件开发标准化接口。通过模拟预测新的实验条件下的材料性质并与实验结果进行对比，完成材料模型的验证。利用自主研发的新型重要性交叉优化算法，实现了实验数据约束下的理论模型参数优化，采用贝叶斯不确定性量化程序对材料模型参数的不确定性及其向计算物理量的传递进行严格量化。

作为冲击加载下金属材料动态行为研究的典型体系，单晶铁的相变机制与力学响应特性对于高压相变研究具有重要意义。利用分子动力学模拟方法研究了单晶铁沿[110]晶向冲击加载下的力学响应行为，考察了3种不同势函数（Ackland、Mishin、优化的MAEAM）在应力传递、位错活动和新相形成过程中的差异，探讨了塑性与相变的耦合机制。结果表明：采用Ackland 势函数预测的体心立方（body-centered cubic，BCC）相到密排六方（hexagonal close-packed，HCP）相的相变压力（14.03 GPa）最接近实验数据，并能较好地描述塑性变形与相变的耦合；Mishin势函数在高应变率下表现出独立的塑性阶段；优化的MAEAM势函数给出的BCC-FCC（face-centered cubic）相变压力阈值（49.91 GPa）较高，更符合实验未观测到FCC相的现象。此外，3种势函数作用下均表现出相同的相变机制，即从 BCC 压缩到剪切诱导的堆垛层错形成及其重新取向。

研究Al-Cu金属间化合物对于Al-Cu合金的优化设计至关重要。分子动力学（molecular dynamics，MD）模拟可以给出Al-Cu合金力学行为的微观过程，而原子间作用势是保证模拟可靠性的关键物理基础。基于第一性原理计算数据构建了Al-Cu体系的深度势（deep potential，DP）函数，并将DP预测的物理性质（晶体结构、能量-体积曲线、压力-体积曲线和声子谱）与密度泛函理论（density functional theory，DFT）和嵌入原子势（embedded atom method，EAM）结果进行了对比分析，验证了DP模型的泛化能力和准确性。基于该DP模型，对5种Al-Cu金属间化合物（θ-Al₂Cu、θ′-Al₂Cu、Al₃Cu、Al₄Cu₉和AlCu₄相）进行了压缩过程MD模拟，给出了θ-Al₂Cu、θ′-Al₂Cu和AlCu₄等结构屈服时的特征规律：θ-Al₂Cu、θ′-Al₂Cu和AlCu₄的屈服应力和剪应力随应变率的升高而增大，屈服应变也相应提高。这一现象源于声子拖曳对原子滑移的阻碍增强。其中，θ-Al₂Cu的抗压缩性能最好，在4×10⁹ s⁻¹应变率下压缩到17.4%时屈服，屈服强度为51.15 GPa，并产生螺位错，原子沿着[$ \overline{1}11 $]、[111]和[$11 \overline{1} $]方向滑移；θ′-Al₂Cu压缩到10.0%时屈服，原子在垂直于压缩方向的平面内滑移；AlCu₄相压缩到13.4%时屈服，原子沿着[401]和[$40 \overline{1} $]方向滑移。

传统过渡金属碳化物和氮化物陶瓷的寿命常因硬度与韧性之间的固有权衡关系以及磨损、腐蚀和高温等严苛服役条件而显著缩短。为此，提出了一种通过调幅分解诱导相分离的策略，旨在协同提升(Ti, Zr)(C, N)碳氮化物陶瓷的硬度和韧性。基于热力学计算指导的成分设计，合成了多种不同成分的(Ti, Zr)(C, N)陶瓷样品，系统研究了时效温度和时长对调幅分解过程中显微组织演化的影响。实验结果表明，调幅分解可诱导形成纳米相分离组织，形成纳米级强化网络，从而实现了材料的硬度与韧性的协同提升。此外，结合机器学习模型，构建了成分配比、微观组织与力学性能之间的定量关联，实现了碳氮化物陶瓷的高效筛选和优化。研究结果不仅揭示了调幅分解提升陶瓷力学性能的内在机理，更为极端环境下高性能陶瓷材料的理性设计提供了数据驱动框架。

服役于极端环境下的发动机高压涡轮叶片，因长期承受高温燃气携带的沙尘颗粒的高速撞击，使役寿命会大幅降低。TiN/Ti多层涂层凭借其高硬、高韧的特性成为叶片表面涂层的首选材料。然而，其抗冲蚀性能与其结构参数紧密相关，传统的实验试错法与有限元模拟往往耗时耗力。为了解决这一困境，提出了一个基于小样本机器学习（machine learning，ML）与有限元分析融合的TiN/Ti多层涂层设计框架。评估了多种回归算法，并优选出高斯过程回归模型，实现了涂层在动态冲击下的层内最大应力与基体最大塑性应变的高精度预测（决定系数R²分别为0.88和0.85）。结合残差与不确定性分析，进一步强化了模型的拟合能力。此外，通过SHAP（shapley additive explanations）模型分析揭示各特征对目标的影响。最终设计了8种新的结构与冲击条件下的涂层仿真模型，并验证了ML模型预测结果的准确性。该框架为高维参数空间下涂层抗冲击设计提供了数据高效、计算经济的解决方案。

针对工程中爆破近区岩石过度破碎对炸药能量损耗超过50%的问题，通过试验对爆破近区超高压力作用下岩石的过度破碎规律进行深入研究。以花岗岩为研究对象，通过软回收爆破近区不同压力下被破碎的花岗岩，并基于交互式机器学习的图像分割工具，统计分析超高压力作用下被破碎微米级粒径岩石的分布状态，重点分析不同加载压力下花岗岩的弹塑性变化，探讨了破碎过程中的能量分布。研究发现，爆破近区的超高压力导致花岗岩发生复杂的破碎现象。通过试验明确了花岗岩随压力增加由台阶状转变为微裂纹的破碎特性，表明5.50 GPa压力作用下花岗岩的破碎能不超过总冲击能量的23.68%，随着冲击压力的增加，岩石的破碎粒度显著减小，破碎能占比显著降低。研究成果可为爆破过程的精细模拟、优化爆破工程设计提供理论支持和实际应用指导。

高通量计算可显著提升材料的设计效率，推动冲击荷载下材料物性的前沿研究。混合物Hugoniot状态方程计算模型作为材料动力学数值模拟和材料高通量计算的关键，一直是研究热点。分别对体积可加模型和等温平均模型预估混合物Hugoniot状态方程的准确性进行了评估：前者基于热力学平衡条件，在计算混合物状态方程时并未考虑组分冲击压缩导致的温差效应；后者则利用0 K等温线，通过Mie-Grüneisen状态方程反推混合物Hugoniot冲击绝热线，等温平均模型可消除混合物中各组分因冲击压缩导致的温差效应。利用体积可加模型和等温平均模型，分别对二元合金、三元合金、二元混合物的Hugoniot状态方程进行预估，并与实测数据进行比对。计算结果表明：等温平均模型预估的混合物Hugoniot状态方程与实测数据的偏离度一般优于10%，准确度较体积可加模型更高；同时，两种模型都存在低压区预估准确性略差的现象。

针对提升军事装备安全性的迫切需求，聚焦纤维增强复合材料的失效模式、损伤演化和能量吸收机理，探讨了织物结构混杂对纤维增强复合材料抗侵彻性能的影响规律及机制，通过弹道侵彻实验和多尺度计算，分析了平纹和缎纹织物结构混杂对芳纶/热塑性聚氨酯（thermoplastic polyurethanes，TPU）复合材料抗侵彻性能的影响机制，考察了其剩余速度、损伤机理、吸能特性和破坏形貌。结果表明，平纹织物提供高平面内刚度，缎纹织物则利于平面外变形和能量耗散。以平纹织物为迎弹面、缎纹织物为背弹面的混杂结构的抗侵彻性能更优：前层（平纹）使子弹钝化并分散冲击能量，后层（缎纹）使能量耗散最大化。其中，排列顺序为K₆D₂₁的芳纶/TPU复合材料性能最优，其剩余速度为455.81 m/s，比吸能为28.51 J/(kg·m²)，抗侵彻性能提升了9.50%。通过多特征参数SHAP（shapley additive explanations）值分析，可从织物结构、纤维性能以及混杂铺层方面优化复合材料结构设计，结合多尺度数值计算与实验验证扩充数据库，为复合材料的性能提升提供坚实的理论基础。