通过高斯近似势的主动学习揭示体心立方铁中的原子尺度断裂
材料科学
2022-09-15 v2
摘要
预测体心立方（bcc）铁的原子尺度断裂机制对于理解其半脆性本质至关重要。基于经典原子间势的现有 I 型加载下裂纹尖端变形机制的原子模拟给出了相互矛盾的结果。为实现量子精度的断裂预测，我们通过扩展铁磁 bcc 铁的密度泛函理论（DFT）数据库，采用主动学习策略开发了高斯近似势（GAP）。我们应用主动学习算法，获得了在宽泛应力强度因子（SIFs）范围及四种裂纹系统下最大预测误差为 8 meV/atom 的 Fe GAP 模型。分析了该方法的学效率，并将预测临界 SIFs 与 Griffith 和 Rice 理论进行比较。模拟揭示，在 T=0K 下沿原始裂纹面的解理是 {100} 与 {110} 裂纹面的裂纹尖端机制，从而解决了一个长期争议。我们的工作也凸显了预测断裂与内在延性需采用多尺度方法，其中有限温度、有限加载速率效应及预存缺陷（如纳米孔洞、位错）应被显式考虑。
引用
@article{arxiv.2208.05912,
title = {Atomistic fracture in bcc iron revealed by active learning of Gaussian approximation potential},
author = {Lei Zhang and Gábor Csányi and Erik van der Giessen and Francesco Maresca},
journal= {arXiv preprint arXiv:2208.05912},
year = {2022}
}
备注
17 pages, 7 figures