金属玻璃中塑性应变的增长与预测

预测固体的失效和塑性仍然是一个长期存在的挑战，对材料设计和功能可靠性具有广泛影响。像金属玻璃这样的无序固体可能会突然或逐渐失效，且没有明确的先兆，其力学响应强烈依赖于成分、热历史和变形协议——这阻碍了通用模型的建立。虽然深度学习方法提供了预测能力，但它们通常依赖于大量的输入参数，阻碍了可解释性、方法论进步和实际部署。在这里，我们提出了一种宏观的、基于物理的方法，利用弹性阶段的塑性应变累积来稳健地预测变形和屈服。该方法降低了复杂性并提高了可解释性，为无序材料提供了一种实用的替代方案。对于经过不同退火处理的 Cu-Zr-(Al) 金属玻璃，我们确定了塑性应变增长的两种极限情况：退火不良样品中的幂律增长和退火良好样品中的指数增长。一个结合贝叶斯推断的物理信息框架从约 5% 应变范围内的应力-应变数据中提取增长参数，从而能够在失效发生之前对整体响应和屈服点进行早期预测。预测性能随退火处理而提高，并且整体塑性与从分散到接近屈服时增长的微观塑性活动相关。这项工作提出了一个物理上可解释且与实验相关的框架，用于从早期力学响应预测金属玻璃的塑性和失效，为材料表征和设计提供了理论见解和实用工具。