增材制造作为一种先进成形方法备受关注，然而，增材制造过程的开发通常需要进行高成本且费时的试错实验，这大大限制了增材制造技术的发展。机器学习作为一种新型人工智能技术，可以加快增材制造各环节的研发进程，因而受到了学术界和工业界的广泛关注。本文综述了基于机器学习的增材制造过程优化和新型金属材料研发进展。首先，对应用于增材制造中的机器学习技术进行了简述；其次，对机器学习在金属材料增材制造过程控制与优化中的应用展开论述，包括成形过程监测与质量控制、工艺窗口预测和沉积路径优化等；然后，介绍了机器学习在基于增材制造研发新型合金材料的研究与应用现状，包括合金成分设计和组织性能预测等；最后，总结并展望了机器学习在该领域未来的发展趋势。

在粉末床激光熔融(LPBF)过程中,金属粉末在高能量激光束的作用下快速熔化与凝固,这一复杂的导热过程伴随着飞溅现象。飞溅本质上是在激光与金属粉末作用区及其附近的材料向周围运动的过程,这些材料不仅会落到成形区域影响成形零件的质量,还会落到非成形区域污染干净的粉末,是成形过程中的不利因素。此外,飞溅携带有丰富的信息,可以用于成形过程的监控。对飞溅行为进行深入分析与研究有助于完善LPBF成形的理论基础,并有望解决LPBF加工过程的可靠性问题,最终提升产品的质量。以LPBF工艺过程中的飞溅行为为研究对象,结合近几年的相关研究,综述了当前国内外LPBF过程中的飞溅行为以及基于飞溅特征的过程监控与质量控制技术的现状。

激光选区熔化技术(SLM)因其具备高复杂结构制造能力而在医疗器械制造上展现着独特的优势。近年来, SLM在医疗器械制造上日趋活跃, 综述了基于激光选区熔化成形、应用于创伤外科医疗器械生产制造Ti-6Al-4V的研究现状。包括SLM成形Ti-6Al-4V的基础工艺、力学性能、细胞相容性三方面的研究进展, 同时举例了一些基于SLM成形Ti-6Al-4V医疗器械的应用及案例。最后针对基于此技术制造医疗器械研究存在的问题进行了总结。尽管SLM成形Ti-6Al-4V在医疗领域发展相对缓慢, 但现有的研究和潜力表明, 随着基础制造研究的不断深入和临床不断的实践, 创伤外科的精准治疗方案将无疑有望成为可能。

为提高AZ80 镁合金的表面性能，在低温流水冷却条件下采用预置粉末激光熔覆法在镁合金表面制备Al63Cu27Zn10 (原子数分数，%)涂层。利用X 射线衍射仪(XRD)、扫描电子显微镜(SEM)、显微硬度仪、摩擦磨损试验机、电化学工作站对熔覆层和基体的微观组织与性能进行了表征和分析。结果表明：熔覆层组织均匀致密，与基体呈良好冶金结合，熔覆层主要由α-Mg，二元相Al17Mg12、AlMg、Al3Mg2，三元相Mg32Al47Cu7、AlMg2Zn、MgAl2O4和非晶相组成。熔覆层的显微硬度为375~683 HV，是基体(92 HV)的4~7 倍，熔覆层相对耐磨性为基体的3.2 倍，电极电位提高了389.5 mV，腐蚀电流降低了两个数量级。经激光熔覆Al63Cu27Zn10 (原子数分数，%)涂层后，AZ80 镁合金基体的耐磨耐蚀性能得到较大改善。