金属材料在服役时，导致其失效的因素有很多，腐蚀就是其中一种主要原因，腐蚀从金属的表面开始，逐步加深腐蚀坑，最终演变成裂纹源，破坏金属材料的完整机械性能。目前，常通过合金设计、表面处理与组织调控等策略来优化金属材料的抗蚀性能，在合金设计策略中，传统方法依赖试错，即将合金制备出来后通过电化学等测试手段表征其腐蚀性能，效率低且代价高，如何快速地在众多适用组元中挑选到合适的耐蚀元素，或在完成初步设计设计后，如何预测该合金的耐蚀性能目前仍然是一个较大的挑战。

针对这一问题，中国科学院物理研究所柳延辉研究员、李明兴副研究员团队联合上海大学王刚教授，利用高通量合金库与浸泡腐蚀实验，系统建立了金属–金属键合强度（εM–M）与金属–氧键合强度（εM–O）两个原子尺度键能参数与合金耐蚀性之间的构效关系，提出一种通用的元素选择与耐蚀合金开发的指导准则。

金属构件的腐蚀若是一直发展，会产生严重破坏工程结构完整性的裂纹源，导致构件功能过早失效，造成巨大的经济损失，因此需要开发一系列具有适用耐蚀性的性能优异的金属材料。一般来说，合金的耐腐蚀性可以通过合金化、热处理、组织非晶化和表面处理等方法来调整，在这些方法中，合金化是一种简单而有效的方法，通过将有益于耐蚀性的合金元素加入到组元中，从根源上提高合金表面钝化膜的密度和可修复性，减少局部腐蚀，细化显微组织，形成耐腐蚀相。但不同组分之间的相互作用机制是较为复杂的，这与组分间的原子序数差以及组分浓度等多因素都有关系，因此如何选择合适的合金元素并确定其最佳浓度并不是一件容易的事。

理论上来说，能够促进钝化的组分一般是包含高的金属-氧键合强度和低的金属-金属键强度，这些组分加入能够促进稳定钝化膜的形成。相反，具有较高的金属-金属键强度的组分会增加表面金属-金属键破坏的活化能垒，从而减缓了基体的溶解。但一种元素是作为钝化促进剂还是溶解减缓剂取决于基体合金，在不同的合金体系中加入相同的元素并不总是对腐蚀行为有积极的影响。在具体的某一特定特定合金体系中，元素是否会对合金耐蚀性有积极影响是难以预测的。从金属-金属键和金属-氧键的结合强度入手，以此指导元素选择的方法在高效催化剂的设计领域已被证实有效，但这一策略在耐腐蚀合金设计中的作用尚未得到足够的重视。

在该研究中，团队聚焦于许多具有优异性能的商用金属玻璃材料的基础体系——Cu-Zr体系，采用组合方法制备了基于Cu-Zr合金体系的1374种合金并对其进行了表征，在Cu-Zr中加入不同的元素，统计分析了Cu-Zr中临界浓度的变化。结果分析表明，合金的耐蚀性与金属-金属结合强度（εM-M）和金属-氧结合强度（εM-O）有较强的相关性，通过添加高εM-M和εM-O的合金元素，可以增强Cu的临界浓度，从而增加体系的耐腐蚀性。团队还将这一策略扩展至Ni-Nb体系，验证通过εM-M和εM-O的角度进行合金元素的选择，这一选择策略可以适用于不同的合金体系，将来有望基于此条策略，能够更加高效地筛选出具有优异耐蚀性的新型合金材料。

团队采用共聚焦直流磁控共溅射技术，在元素溅射靶上制备了Cu-Zr-X（X：Ag，Cr，Al，Ti，Ta）和Ni-N -（Mo）。对于每个成分库，制作了229个直径≈3.6mm的点位，间距为5毫米，使用3.5 wt.% NaCl或含酸溶液进行恒温浸泡腐蚀试验。结合SEM、EDS、XRD与光学反射率测量，系统评估样品耐蚀性与微观破坏情况，并计算每个样品对应的εM–M与εM–O值，以揭示元素加入对腐蚀行为的调控机制。

Cu-Zr合金库的成分表征及其表面图像在298K下在3.5 wt.%NaCl溶液中腐蚀测量前后的成分

① 引入高键强元素显著提升耐蚀性

高εM-M和εM-O的元素有利于增强耐腐蚀性，Ta与Ti的加入可将分别提升至67.7%与61.4%，表明在保持较高Cu含量下依然能抑制腐蚀；而Ag使降至41.2%，则对应了严重腐蚀破坏的结果。

在3.5wt.%NaCl溶液中浸泡320min后Cu-Zr-x组合材料库中未损伤边界处的Cu含量阈值

② 键强度与耐蚀性呈线性关联

团队通过计算得到的二元Zr-Cu体系和三元合金体系的εM-M和εM-O值后发现，对于每种合金体系，都存在临界εM-M和εM-O值，高于该值的合金在浸泡后能够保持完整，即代表具有较好的耐蚀性，对于Cu-Zr合金体系，εM-M和εM-O的临界值分别为78和603 kJmol^-1。

基于Cu-Zr体系的6种成分库1374合金的平均金属-金属结合强度和金属-氧结合强度

③ 扩展验证至Ni–Nb体系

为验证通用性，作者在Ni–Nb体系中加入Mo（高εM–M与εM–O），结果表明Mo的引入提升了，并降低了临界键强度，进一步证实该机制具有系统普适性。

通过Ni-Nb-（Mo）合金体系识别元素特征对腐蚀行为的影响

该研究突破了传统依赖经验和电化学表征的合金耐蚀性能评估方式，首次在实验层面系统验证了εM–M与εM–O作为性能预测因子的有效性。研究不仅构建了面向键强度的合金设计框架，也为后续通过机器学习实现腐蚀性能快速预测奠定了基础。未来可基于该思路开发更大范围合金体系的耐蚀筛选平台，提升新型结构与功能材料的服役稳定性与研发效率