面向大规模分子动力学模拟的 Ti-Al-Nb 合金通用神经网络势

高採含 Nb 的 TiAl 合金表现出卓越的高温强度和室温韧性，广泛应用于汽车和航空发动机的高温部件。然而，缺乏适用于大规模建模的准确原子相互作用势，严重阻碍了对 Ti-Al-Nb 合金失效机制的全面理解以及提高力学性能的策略研发。本文开发了一个面向 Ti-Al-Nb 三元体系的通用机器学习势（MLP），通过将神经进化势框架与主动学习方案相结合。开发的 MLP 在广泛的第一性原理数据集上训练，显示出在预测 various 晶格和缺陷性质，以及 TiAl 系统的高温特性（如热膨胀和熔点）方面具有惊人的精度。值得注意的是，该势可以有效描述 Nb 掺杂对堆叠错位能和形成能的关键作用。重要的是，我们的 MLP 使得能够以 ab initio 精度进行包含数百万原子的大规模分子动力学模拟，在计算速度和精度之间实现了卓越的平衡。这些结果为研究 TiAl 层状结构的微观力学行为以及面向高温应用开发高性能 TiAl 合金奠定了基础。