铁晶界的人工神经网络分子力学
材料科学
2021-06-25 v1
摘要
本研究使用基于人工神经网络（ANN）势的分子力学计算了 α-铁中 46 个对称倾转晶界（GB）的晶界能，并将结果与基于密度泛函理论（DFT）、嵌入原子法（EAM）和改进的 EAM（MEAM）的计算进行比较。ANN 势的结果与 DFT 的结果极为一致（平均 5%），而 EAM 和 MEAM 与 DFT 结果差异显著（平均约 27%）。在 Sigma 3 (1-12) 晶界的单轴拉伸计算中，ANN 势再现了 DFT 中观察到的晶界脆性断裂倾向，而 EAM 和 MEAM 错误地显示了延性行为。这些结果证明了 ANN 势在铁晶界计算中的有效性，作为一种现代工业界亟需的快速且准确的模拟方法。
引用
@article{arxiv.2106.12745,
title = {Artificial neural network molecular mechanics of iron grain boundaries},
author = {Yoshinori Shiihara and Ryosuke Kanazawa and Daisuke Matsunaka and Ivan Lobzenko and Tomohito Tsuru and Masanori Kohyama and Hideki Mori},
journal= {arXiv preprint arXiv:2106.12745},
year = {2021}
}