镍的“磁性”机器学习原子间势
材料科学
2024-08-21 v2
摘要
镍（Ni）是一种磁性过渡金属，具有两种同素异形体相：稳定的面心立方（FCC）和亚稳态的六方密排（HCP），广泛应用于结构应用。磁性影响许多力学和缺陷性质，但自旋极化密度泛函理论（DFT）计算在研究需要大系统尺寸和/或长模拟时间的材料行为时计算效率低下。在此，我们为Ni开发了一个“隐藏磁性”的机器学习深度势（DP）模型，该模型不包含磁矩描述符，使用来自自旋极化DFT计算的训练数据集。“隐藏磁性”的DP-Ni模型对广泛的FCC和HCP性质表现出高可迁移性和可表示性，包括（有限温度）晶格参数、弹性常数、声子谱和许多缺陷。作为其适用性的一个例子，我们研究了在（高应力）单轴拉伸载荷下的Ni FCC-HCP同素异形体相变。磁性Ni的DP模型有助于对复杂力学行为进行精确的大规模原子模拟，并为开发镍基高温合金和其他多主元合金的原子间势奠定了基础。
引用
@article{arxiv.2312.17596,
title = {A "Magnetic" Machine Learning Interatomic Potential for Nickel},
author = {Xiaoguo Gong and Zhuoyuan Li and A. S. L. Subrahmanyam Pattamatta and Tongqi Wen and David J. Srolovitz},
journal= {arXiv preprint arXiv:2312.17596},
year = {2024}
}