卷积神经网络辅助识别面心立方合金中的纳米尺度L12有序结构
材料科学
2021-02-23 v1 数据分析、统计与概率
摘要
纳米尺度L12型有序结构广泛用于面心立方（FCC）合金中，以利用其强化能力从而改善力学性能。这些精细尺度颗粒通常与基体完全共格，且具有相同的原子构型（忽略化学种类），这使得它们难以表征。空间分布图（SDMs）通过探查原子探针层析（APT）重构数据中的三维（3D）原子分布来探测局部有序。然而，手动分析完整点云（>10百万）以搜寻数据中保留的部分晶体学信息几乎是不可能的。在此，我们提出了一种基于卷积神经网络（CNNs）的智能L12有序结构识别方法。首先生成了模拟L12有序结构和FCC基体的SDMs。这些模拟图像结合少量实验数据用于训练基于CNN的L12有序结构识别模型。最后，该方法成功应用于揭示FCC Al-Li-Mg体系中平均半径为2.54 nm的L12型δ′-Al3(LiMg)纳米颗粒的3D分布。可检测纳米畴的最小半径甚至低至5 Å。所提出的CNN-APT方法有望在不久的将来扩展至识别其他纳米尺度有序结构乃至更具挑战性的短程有序现象。
引用
@article{arxiv.2102.11024,
title = {Convolutional neural network-assisted recognition of nanoscale L12 ordered structures in face-centred cubic alloys},
author = {Yue Li and Xuyang Zhou and Timoteo Colnaghi and Ye Wei and Andreas Marek and Hongxiang Li and Stefan Bauer and Markus Rampp and Leigh Stephenson},
journal= {arXiv preprint arXiv:2102.11024},
year = {2021}
}
备注
41 pages, 7 figures, 5 supplementary figures