基于机器学习势函数研究晶格弛豫对高熵合金相变的影响
材料科学
2019-05-07 v2 计算物理
摘要
近来，高熵合金（HEAs）因其非凡的材料性能而广受关注。识别新型 HEAs 的主要挑战在于缺乏探索其巨大成分空间的高效方法。第一性原理计算已成为补充实验的有力途径。然而，对于多组分合金，现有方法受限于所涉及的化学复杂性。本工作中，我们提出一种计算研究 HEAs 的方法。我们的途径基于将基于第一性原理数据的机器学习势函数与蒙特卡洛模拟相结合。该途径的高效与性能在原型 bcc NbMoTaW HEA 上得到展示。该途径被用于研究相稳定性、相变与化学短程有序。纳入局域弛豫效应的重要性得以揭示：其显著稳定了 bcc NbMoTaW 的单相形成直至室温。最后，发现了一种迄今未知的机制，其由环境温度下原子弛豫驱动化学有序。
引用
@article{arxiv.1810.10820,
title = {Impact of lattice relaxations on phase transitions in a high-entropy alloy studied by machine-learning potentials},
author = {Tatiana Kostiuchenko and Fritz Körmann and Jörg Neugebauer and Alexander Shapeev},
journal= {arXiv preprint arXiv:1810.10820},
year = {2019}
}
备注
7 pages, 5 figures