第一性原理机器学习揭示钨非阿伦尼乌斯自扩散中的强非谐性
材料科学
2024-10-08 v2
摘要
我们提出了一种高效的第一性原理框架，用于在密度泛函理论水平上计算空位介导扩散中过渡态的吉布斯能，并包含相关的热激发。借助定制的机器学习原子间势，原型体系体心立方（BCC）钨的随温度变化的空位形成与迁移吉布斯能被证明受到非谐性的强烈影响。该发现解释了钨自扩散实验观测到的非阿伦尼乌斯行为的物理起源。计算与实验的温度依赖自扩散系数尤其是其曲率之间呈现出显著一致。所提出的计算框架稳健且广泛适用，初基密排六方（HCP）多组分高熵合金的首次测试即证明了这一点。成功应用凸显了建立精确第一性原理扩散数据库的可实现性。
引用
@article{arxiv.2311.00633,
title = {Ab initio machine-learning unveils strong anharmonicity in non-Arrhenius self-diffusion of tungsten},
author = {Xi Zhang and Sergiy V. Divinski and Blazej Grabowski},
journal= {arXiv preprint arXiv:2311.00633},
year = {2024}
}