面向弥散强化面向等离子体部件的机器学习原子间势
材料科学
2023-03-29 v1 计算物理
摘要
钨（W）因其高熔点、热导率和溅射阈值而成为偏滤器材料的首选。然而，W具有极高的脆韧转变温度，并且在聚变反应堆温度（≥1000K）下可能发生再结晶与晶粒长大。采用碳化锆（ZrC）对W进行弥散强化可改善延展性并限制晶粒长大，但弥散相对高温下微观结构演化与热力学性质的影响大多仍属未知。我们提出了一种用于W-ZrC的机器学习谱邻分析势（SNAP），现可用于研究这些材料。为构建适用于聚变反应堆温度下大规模原子模拟的势函数，有必要在以多样结构、化学环境和温度生成的ab initio数据上训练。通过对材料性质与高温稳定性的目标函数进一步实现势函数的精度与稳定性测试。优化后势函数在晶格参数、表面能、体模量与热膨胀方面得到验证。W/ZrC双晶的拉伸测试表明，虽W(110)-ZrC(111) C端双晶在室温下具有最高极限抗拉强度（UTS），但观测强度随温度升高而下降。在2500K时，末端C层扩散入W中，导致较弱的W-Zr界面。与此同时，W(110)-ZrC(111) Zr端双晶在2500K下具有最高UTS。
引用
@article{arxiv.2212.01432,
title = {Machine Learned Interatomic Potential for Dispersion Strengthened Plasma Facing Components},
author = {E. L. Sikorski and M. A. Cusentino and M. J. McCarthy and J. Tranchida and M. A. Wood and A. P. Thompson},
journal= {arXiv preprint arXiv:2212.01432},
year = {2023}
}