通过机器学习构建的互作势能实现亚热浆 Al-Ni 合金的均匀核化
材料科学
2024-10-11 v1
摘要
均匀核化过程对于理解材料的固化及其结果晶体结构至关重要。模拟该过程需要准确描述原子之间的相互作用，这进一步复杂化了由于跨种系相互作用导致的化学有序性。观察罕见核化事件所需的尺度远远超出了 ab initio 模拟的能力。通过构建用于二元 Al-Ni 合金的高维神经网络势能来克服这些限制，这些合金是许多工业应用的模型系统。该势能经实验扩散、粘度和散射数据验证，并应用于等体积分数以及纯 Ni 的大规模分子动力学模拟，以模拟均匀核化。纯 Ni 通过单一步骤晶体化为 fcc 晶体相，这与使用经典经验势能得到的先前结果不同。这凸显了核化路径对底层原子相互作用的敏感性。我们的发现表明，AlNi 的核化路径是通过单一步骤向 B2 结构进行的，这与纯元素对应的情况一起讨论。
引用
@article{arxiv.2410.07886,
title = {Homogeneous Nucleation of Undercooled Al-Ni melts via a Machine-Learned Interaction Potential},
author = {Johannes Sandberg and Thomas Voigtmann and Emilie Devijver and Noel Jakse},
journal= {arXiv preprint arXiv:2410.07886},
year = {2024}
}