本文在材料建模基础上,采用第一性原理和分子动力学方法,研究了制备工艺对表面微观结构及硅元素偏析的影响,计算优化了选择激光熔融(SLM)参数,探讨了富硅相和含镁结构对铝合金腐蚀的作用规律。根据模拟结果,制备了不同微观组织结构的3D打印AlSi10Mg合金,采用EDS、SKPFM、TEM、XRD和EIS等进行测试和表征,结果表明当熔融温度较高时,硅偏析较小,SLM过程中冷速高促进大量亚晶界形成,逐层打印方式导致合金层的二次热处理,边界处已经饱和的铝硅固溶体中的硅原子再次析出,形成粗大的硅颗粒。打印过程中的局部热梯度促进硅偏析,随激光功率增大材料耐蚀性能提高。在材料计算数据、实验数据和数据挖掘方面,利用k-最近邻(knn)、决策树(dt)、梯度增强决策树(gbdt)随机森林(rf)和支持向量机(svm)等算法开展了极化曲线和电化学阻抗谱的机器学习研究,训练了模型并验证其泛化能力,通过重量分析,确定输入的环境参数对电化学预测结果的影响。以金属铜为例,将不同氯离子浓度、硫化物浓度和温度环境下纯铜的极化曲线和电化学阻抗谱为训练集,结合交叉验证和实验验证结果,可知随机森林算法对极化曲线的预测效果最好。通过输入重量分析,发现硫化物对腐蚀影响最大,预测结果与传统电化学实验一致,可用于腐蚀数据的快速解析与评价。