通过机器学习解码多主元合金中超 Arrhenius 氢扩散的隐藏动力学
材料科学
2025-05-14 v1
摘要
理解原子氢（H）在多主元合金（MPEAs）中的扩散对于推进清洁能源技术（如 H 输运、储存和核聚变应用）至关重要。然而，MPEAs 固有的广阔成分空间和复杂化学环境构成了重大障碍。在这项工作中，我们通过开发一个多方面的机器学习框架来解决这一挑战，该框架集成了机器学习力场、神经网络驱动的动力学蒙特卡洛和机器学习符号回归。该框架允许对体心立方（BCC）难熔 MoNbTaW 合金整个成分空间的 H 扩散进行精确研究，达到了密度泛函理论的精度。我们首次发现 MPEAs 中的 H 扩散表现出超 Arrhenius 行为，由 Vogel-Fulcher-Tammann 模型描述，其中 Vogel 温度与 H 溶解能谱的第 5 百分位数相关。我们还推导出了稳健的解析表达式，可用于预测一般 BCC MPEAs 中的 H 扩散率。我们的研究结果进一步阐明，化学短程有序（SRO）通常不影响 H 扩散，除非当“亲 H”元素（特别是 Nb 和 Ta）以低浓度存在时增强扩散。这些发现不仅增强了我们对一般 MPEAs 中 H 扩散动力学的理解，而且通过操纵元素类型、成分和 SRO，指导了与 H 相关应用中先进 MPEAs 的开发。
引用
@article{arxiv.2409.14573,
title = {Decoding the hidden dynamics of super-Arrhenius hydrogen diffusion in multi-principal element alloys via machine learning},
author = {Fei Shuang and Yucheng Ji and Zixiong Wei and Chaofang Dong and Wei Gao and Luca Laurenti and Poulumi Dey},
journal= {arXiv preprint arXiv:2409.14573},
year = {2025}
}