![]()
================================
分享一篇 Comp. Mater. Sci. ：通过机器学习分子动力学模拟探索 BCC Mg-Li-Al 合金的塑性变形机制的文章。
感谢论文的原作者！
================================
主要内容
“合金站在材料科学的最前沿，具有优越的机械性能，对各种工业应用至关重要。然而，理解合金复杂的塑性行为仍然是一个挑战。本研究探讨了重要的超轻结构材料&体心立方镁锂铝合金的塑性变形机制。基于第一性原理计算构建了精确的机器学习势能面，使我们能够在原子尺度上观察单晶和多晶Mg-Li-Al的塑性变形。我们的模拟揭示了单晶Mg-14Li-3Al合金中复杂而独特的体心立方-面心立方-体心立方-HCP马氏体相变，在大拉伸应变下产生强烈的孪晶强化效应。这种效应在多晶Mg-Li-Al中是不存在的，并且可以潜在地用于开发新的超强轻质合金。对于多晶Mg-Li-Al体系，我们系统地预测了其在不同组成比下的塑性强度，为其进一步优化提供了有益的指导。通过这项研究，我们表明，在机器学习势能面的帮助下，现在可以更方便地在微观层面上理解塑性行为，从而为合金材料的设计打开了新的大门。”——取自文章摘要。================================
![]()
================================
Figure 1
![]()
Figure 2
![]()
Figure 3
![]()
Figure 4
![]()
Figure 5
![]()
Figure 6
![]()
Figure 7
![]()
================================
![]()
以上是我们分享的一些经验或者文章的搬运，或有不足，欢迎大家指出。若留言未回复，重要的消息可以留言再提醒一下，因为超过48小时不可回复。
如有侵权，请联系我们立马删除！
👇
文章题目：
Exploring the mechanism of plastic deformation in BCC Mg-Li-Al alloys via Machine learning Molecular dynamics simulations
文章链接：
https://doi.org/10.1016/j.commatsci.2024.113396
👇
【文献分享】ACS Appl. Mater. Interfaces：用于预测复杂热电材料中超低导热率和高 ZT 的机器学习
【文献分享】J. Phys. Chem. Lett. ：使用团簇 Graph Attention 网络加速大型银簇的全局搜索
【文献分享：综述文章】Small Struct.：热电材料晶体结构、合成方法及新方向的展望
【文献分享】J. Appl. Phys.：研究硅干/湿氧化过程的机器学习原子势
【解读文献】中南大学龙孟秋团队 ACS Appl. Electron Mater.: 解耦热电系数诱导的双层黑砷烯的高热电性能
【文献分享】J. Phys. Chem. C：利用计算和数据驱动的方法揭示高熵合金电催化剂氧还原的反应起源
【文献分享】J. Phys. Chem. C：机器学习模型的结构嵌入方法加速堆叠二维材料的研究
【文献分享】Phys. Chem. Chem. Phys.：铜氧化合物的晶体结构预测和性质计算
【文献分享】J. Phys. Chem. B：CaCl2-NaCl 熔盐在电场下的扩散行为：深势分子动力学模拟
