用机器学习势捕获高熵合金中的短程有序
材料科学
2024-07-10 v2
摘要
化学短程有序 (SRO) 影响金属合金固溶体相中元素的分布，从而改变微结构演化发生的背景。研究这种化学-微结构关系需要原子尺度模型，这些模型在适当的长度尺度上起作用，同时捕捉导致 SRO 的化学键的复杂性。在此，我们考虑了为 CrCoNi 构建机器学习势 (MLP) 训练数据集的各种方法，并评估了它们在捕获 SRO 及其对与力学性能相关的材料量（如层错能和相稳定性）的影响方面的表现。结果表明，测试集上的能量准确性通常与捕获材料属性的准确性不相关，而后者对于实现具有高物理保真度的金属合金大规模原子模拟至关重要。基于这一分析，我们系统地推导出合理构建 MLP 的设计原则，以捕获合金晶体和液相中的 SRO。
引用
@article{arxiv.2401.06622,
title = {Capturing short-range order in high-entropy alloys with machine learning potentials},
author = {Yifan Cao and Killian Sheriff and Rodrigo Freitas},
journal= {arXiv preprint arXiv:2401.06622},
year = {2024}
}
备注
10 pages, 5 figures