海归学者发起的公益学术平台
分享信息，整合资源
交流学术，偶尔风月
耐火高熵合金作为一种由四种或以上耐火元素以均匀的固溶体形式构成的新兴合金材料，其拥有着卓越的高温性能。然而，由于其复杂的原子局域环境导致的复杂强化机制使得对其力学性能的优化远没达到最优。这类材料的研究往往受到实验制造成本的限制，通过复杂的合成手段不断地合成不同组分的合金并测试其性能无疑会消耗巨大的财力与时间成本，这使得高通量的理论计算在对其的优化设计中发挥了重要作用。密度泛函理论计算作为一种经典的计算方法，拥有着较高的量子精度，然而却因为在较大尺度下急剧上升的计算成本使其在局域环境复杂的高熵合金模拟中作用受限。分子动力学模拟能够突破时间和尺度的限制，然而其精度主要由原子势函数决定。机器学习势函数的发展为精确可靠分子动力学模拟提供了一种新的可能。基于计算得到的统一数据又为数字驱动学习方法提供了可靠训练数据，进而能够通过智能学习揭示微观下高熵合金材料的力学行为。
Fig 1. MTP model performance for energies
and forces
来自中山大学材料学院的李相国副教授团队基于10000个左右的第一性原理计算得到的数据点发展了一种适用于Mo-Nb-Ta-V-W五元耐火合金体系的通用机器学习势函数，并通过数种基本的微观性能计算与第一性原理以及实验结果的对比验证了其准确和可靠性。
Fig 2. Average CRSS values in each alloy/configuration with respect to the screw-to-edge ratio.
耐火高熵合金的组成元素空间巨大，且原子比例可调，本次研究高通量计算了约2000种不同原子局域环境下的螺位错和刃位错的临界分切应力(CRSS)。计算结果表明同一体系中刃位错与螺位错CRSS大小存在着一定程度的对抗性。对于原子局域环境因素进一步的探究发现，晶格畸变对刃位错与螺位错的CRSS分别有着正/负相关性。
Fig 3. Correlation between lattice distortion and CRSS.
基于以上高通量计算所得数据库，通过智能学习进一步建立了基于原子环境参数预测复杂合金力学性能的机器学习模型。模型表现显示晶格畸变对两种位错类型影响规律相反，从而降低了螺位错与刃位错的CRSS比值，而弹性失配度对螺位错的影响明显更大。
Fig 4. XGBoost model for CRSS prediction.
该研究建立的原子局域环境各因素与合金力学性能之间的潜在联系，为未来设计不同用途的高熵合金材料提供了潜在路径及原理支撑。该文近期发表于npj Computational Materials 10: 143 (2024)，英文标题与摘要如下，点击左下角“阅读原文”可以自由获取论文PDF。
Unraveling dislocation-based strengthening in refractory multi-principal element alloys
Tianyi Wang, Jiuyin Li, Mian Wang, Chengzhi Li, Yanqing Su, Shuozhi Xu & Xiang-Guo Li
Refractory multi-principal element alloys (RMPEAs) draw great interest with their superior mechanical properties and extremely high melting points, yet the strengthening mechanism remains unclear. Here, we calculate the critical resolved shear stress (CRSS) for a single dislocation to move in RMPEAs consisting of 4 or 5 elements with or without short-range order (SRO) to represent strength by a machine learning-based interatomic potential. The increased CRSS is then attributed to high lattice distortion, elastic mismatch, and SRO strengthening, all of which originate from the solid solution strengthening theory. After detailed research of the CRSS across many RMPEAs systems with different composition ratios, we construct an XGBoost model to predict the CRSS from a few parameters and rank their importance. We find that lattice distortion strongly influences both dislocation types and reduces the screw-to-edge ratio in CRSS, while the elastic mismatch has a more significant impact on the screw dislocation than the edge one.
扩展阅读
