用于氢脆化的快速机器学习$\\alpha$-Fe-H 原子势
材料科学
2025-11-27 v1
摘要
本工作提出一种基于基于tabulated Gaussian Approximation Potential(tabGAP)形式alism的机器学习原子势，用于-Fe-H系统。该势函数在密度泛函理论(DFT)数据集上训练，包括原子构型、能量、力和virial，旨在解决H导致金属机械失效加速的问题，通常称为氢脆化(HE)。该潜势被证明优于广泛使用的经典和机器学习原子势，在-Fe-H系统的基本属性方面。我们展示，tabGAP模型在计算成本与高效经典嵌入原子法(EAM)势相同的情况下，几乎以DFT水平的精度再现了H点缺陷性质、H-位错相互作用、H-H相互作用和弹性常数。我们进一步演示了tabGAP模型在带无H原子和带H原子的完美-Fe结构以及-坑口-Fe结构的拉伸测试中的实用性。仿真显示，H-位错相互作用导致H加速的Fe原子在坑口处的脱粘，以及H驱动的空位浓度增加，证据表明氢增强脱粘(HEDE)和氢增强应变诱导空位(HESIV)是导致铁系统H诱导机械失效的重要机制。
引用
@article{arxiv.2511.21464,
title = {Fast machine learned ${\alpha}$-Fe-H interatomic potential for hydrogen embrittlement},
author = {Eetu Makkonen and Alvaro Lopez-Cazalilla and Flyura Djurabekova},
journal= {arXiv preprint arXiv:2511.21464},
year = {2025}
}