基于扩散耦合实验和物理信息神经网络反向扩散分析的锰铝钛钢和镍钴铁铝钛高熵合金中扩散系数的系统映射
材料科学
2025-11-20 v3
摘要
对技术上重要的锰铝钛钢和镍钴铁铝钛高熵合金进行系统的实验和物理信息神经网络（PINN）数值反向扩散分析，以估计和提取构成相关的扩散系数。通过系统性变化，能够在锰铝钛钢中估计出示踪扩散系数、固有扩散系数和构成相关扩散系数的差异。随后，演示了在高熵体系中保持钛和铝浓度恒定、同时保持镍、钴、铁恒定的扩散特征。对单个扩散耦合剂面积内Kirkendall标记平面上所有元素扩散系数的估计被详细阐述。建立了基于自扩散系数和Kirkendall标记平面上的示踪扩散系数的PINN优化参数。通过将优化参数与来自二元NiTi、NiAl和PB扩散轮廓的扩散系数进行比较，验证了优化参数的可靠性，表明其可推广至更低阶系统。
引用
@article{arxiv.2509.09486,
title = {Comprehensive Mapping of Tracer Diffusivities Across Composition Space in Ternary NiAlTi and Quinary NiCoFeAlTi High-Entropy Alloy Using Diffusion Couple Experiments and Physics Informed Neural Network Inversion},
author = {Ismail Kamil Worke and Suman Sadhu and Saswata Bhattacharyya and Aloke Paul},
journal= {arXiv preprint arXiv:2509.09486},
year = {2025}
}
备注
need modifications which are not yet available to replace