采用传统试错法设计的合金遇到了一些问题,例如试验周期长、成本高。大数据和人工智能的快速发展,为金属材料的高效发展提供了一条新路径,即机器学习辅助设计。本文介绍了机器学习辅助合金合理设计的基本策略。综述了合金成分性能反演设计、基于元素理化特征或微观组织因子建立模型的合金成分筛选设计、基于迭代反馈优化的合金成分和工艺参数优化设计等方面的研究进展。结果表明,机器学习具有高效率和低成本等巨大优势。还讨论了机器学习辅助合金合理设计的未来发展趋势。可解释建模、集成建模、高通量组合、多目标优化和创新平台构建是人们非常感兴趣的领域。