基于机器学习分子动力学的氢气气泡诱导的铸钨脆化原子尺度理解
材料科学
2026-03-16 v1
摘要
纳米尺度空洞中形成的氢气气泡是金属材料脆化的关键机制之一，但其原子尺度起源尚不清晰。本文构建了一个准确且可迁移的机器学习势函数 (MLP)，用于铸钨-氢气二元体系，基于神经进化势函数 (NEP) 框架，通过主动学习在大量密度泛函理论数据上训练。开发的 NEP-WH 模型能够再现铸钨系统中广泛的晶格和缺陷属性，以及氢气溶解度，保持接近第一性原理的精度，同时保留经验势函数的效率。关键的是，这是首个能够定量捕捉氢气捕获和 H₂ 在纳米空洞中形成的 MLP。大规模机器学习分子动力学仿真揭示，平面氢聚集物在空洞附近的 {100} 面上核化和生长，其中在交叉处出现六方紧凑结构。受单向拉伸作用，这些聚集物促进气泡破裂和 {100} 裂纹的形成，抑制位错活动，导致脆性断裂行为。本工作为氢气气泡在纳米空洞中的演化和断裂提供了详细的原子尺度见解，支持极端环境下结构降解的预测建模，并推进了对结构金属中氢气诱导损伤的基本理解。
引用
@article{arxiv.2508.20350,
title = {Atomistic understanding of hydrogen bubble-induced embrittlement in tungsten enabled by machine learning molecular dynamics},
author = {Yu Bao and Keke Song and Jiahui Liu and Yanzhou Wang and Yifei Ning and Penghua Ying and Ping Qian},
journal= {arXiv preprint arXiv:2508.20350},
year = {2026}
}
备注
14pages,7 figures