结合机器学习的高通量计算研究二元镁合金腐蚀性能
材料科学
2022-01-25 v1 计算物理
摘要
镁（Mg）合金作为结构材料与生物医用材料已展现出巨大前景，而较差的耐蚀性限制了其进一步应用。本工作中，为避免耗时费力的实验试错，设计了一种基于第一性原理计算的高通量计算策略，从热力学与动力学双视角筛选具有金属间化合物的耐腐蚀二元镁合金。首先甄别出与Mg基体平衡电位差小的稳定二元Mg金属间化合物。随后计算这些Mg金属间化合物表面的氢吸附能，并通过氢析出反应（HER）动力学模型进一步计算腐蚀交换电流密度。若干金属间化合物，如Y3Mg、Y2Mg和La5Mg，被识别为有前景、可能有效阻碍阴极HER的金属间化合物。此外，开发机器学习（ML）模型，利用功函数（W_f）和加权第一电离能（WFIE）预测具有适当氢吸附能的Mg金属间化合物。ML模型的泛化能力在五种新二元Mg金属间化合物上测试，平均均方根误差（RMSE）为0.11 eV。本研究不仅预测了一些可能抑制电偶腐蚀的有前景二元Mg金属间化合物，还为耐腐蚀合金设计提供了高通量筛选策略与ML模型，可扩展至三元Mg合金或其他合金体系。
引用
@article{arxiv.2201.09059,
title = {High-throughput calculations combining machine learning to investigate the corrosion properties of binary Mg alloys},
author = {Yaowei Wang and Tian Xie and Qingli Tang and Mingxu Wang and Tao Ying and Hong Zhu and Xiaoqin Zeng},
journal= {arXiv preprint arXiv:2201.09059},
year = {2022}
}
备注
23 Pages, 6 figures