基于机器学习分子动力学的SiC不一致熔化与相图
材料科学
2025-10-30 v2
摘要
碳化硅（SiC）是一种重要的技术材料，但其高温相图由于关于一致熔化与不一致熔化的实验结果相互矛盾而一直不明确。在此，我们采用大规模机器学习分子动力学（MLMD）模拟来深入了解SiC的分解和相变。我们的方法依赖于贝叶斯主动学习工作流，以高效地在密度泛函理论数据上训练精确的机器学习力场。我们的大规模模拟直接表明，SiC的熔化在高温高压下通过分解为富硅相和富碳相而不一致地进行。在高压冷却过程中，碳纳米团簇在均匀熔融液体中成核并生长。在加热过程中，分解的混合物可逆地转变回均匀的SiC液体。利用MLMD模拟系统地构建了SiC的完整压力-温度相图，为相的本质提供了新的理解，解决了先前实验中的长期不一致性，并对该材料的加工和沉积给出了具有技术意义的启示。
引用
@article{arxiv.2502.17804,
title = {Incongruent Melting and Phase Diagram of SiC from Machine Learning Molecular Dynamics},
author = {Yu Xie and Menghang Wang and Senja Ramakers and Frans Spaepen and Boris Kozinsky},
journal= {arXiv preprint arXiv:2502.17804},
year = {2025}
}