基于机器学习势能的 NbTaTiZr 合金变形机制与压缩响应
材料科学
2026-03-03 v1 计算物理
摘要
高温性能卓越且具有工程潜力的复合多成分合金（MPEAs）是当前的研究热点。NbTaTiZr 四元 MPEA 在高应变率和极端温度下的变形机制和机械行为尚不清晰。我们构建了一个可变组成的机器学习势能模型用于 NbTaTiZr，结合分子动力学模拟研究了晶体取向、应变率、温度和成分对压缩力学性能的影响。NbTaTiZr 在压缩测试中表现出结构和机械各向异性：[111]方向表现为最大屈服强度，[110]方向为最小屈服强度（易发生双晶变形），[100]方向则通过局部无序和位错滑移（主导1/2<111>位错）表现。应变率达到10^10 s^-1时，屈服强度显著上升，无序结构增多；高应变率抑制位错生成，促进无序化。即使在2100 K的高温下，材料仍保持高强度。更高的 Nb/Ta 含量可提升屈服强度，Ti/Zr 含量则降低屈服强度。这揭示了 MPEA 的各向异性机械行为及其应变率依赖性无序化机制，为高性能耐高温合金的设计提供了指导。
关键词
引用
@article{arxiv.2603.00726,
title = {Deformation mechanisms and compressive response of NbTaTiZr alloy via machine learning potentials},
author = {Hongyang Liu and Bo Chen and Rong Chen and Dongdong Kang and Jiayu Dai},
journal= {arXiv preprint arXiv:2603.00726},
year = {2026}
}
备注
12 figures