结合AFLOW GIBBS与弹性库高效鲁棒地筛选固体热机械性质
材料科学
2017-06-28 v2
摘要
对材料热机械性质的彻底表征需要困难且耗时的实验。这严重限制了数据的可用性，并且是开发有效加速材料设计策略的主要障碍之一。新潜在体系的快速筛选需要高度集成、复杂且鲁棒的计算方法。我们通过AFLOW框架内的新开发的“自动弹性库”与先前实现的GIBBS方法相结合，调查了3000多种晶体固体，以应对这一挑战。前者从自动自洽应力-应变计算中提取机械性质，而后者利用这些机械性质在Debye模型中评估热力学。新的热弹性库以一组74个实验表征体系为基准，以确定用于评估广泛材料的体积模量、剪切模量、泊松比、Debye温度、Grüneisen参数和热导率鲁棒计算方法。检查了不同状态方程选择的影响，并确定了用于Leibfried-Schlömann热导率预测的属性的最佳组合，导致比仅GIBBS方法更符合实验结果。
引用
@article{arxiv.1611.05714,
title = {Combining the AFLOW GIBBS and Elastic Libraries for efficiently and robustly screening thermo-mechanical properties of solids},
author = {Cormac Toher and Corey Oses and Jose J. Plata and David Hicks and Frisco Rose and Ohad Levy and Maarten de Jong and Mark Asta and Marco Fornari and Marco Buongiorno Nardelli and Stefano Curtarolo},
journal= {arXiv preprint arXiv:1611.05714},
year = {2017}
}
备注
29 pages, 20 panel figures, 23 tables