低模量Ti-Nb-Zr合金动力学不稳定性附近的机器学习原子势
材料科学
2025-04-01 v2 计算物理
摘要
传统上，合金化和热处理被视为设计新材料的主要工具。然而，应用第一性原理仿真可以显著加速材料设计过程，但在理论仿真中同时考虑多组分化学无序性和有限温度效应是一个具有挑战性的任务。本文我们训练了机器学习原子势，以有效地模拟多组分β-Ti94-xNbxZr6合金在有限温度下的弹性性能。我们的仿真预测了在广泛温度范围内存在Elliott效应（elinvar effect）。重要的是，我们预测在动力学和机械不稳定性附近，β-Ti94-xNbxZr6合金表现出强烈的非线性浓度依赖弹性模量，这导致这些合金的模量值接近人类骨骼的模量值。此外，这些合金表现出强烈的各向异性定向Young模量，这有助于微结构工程和设计具有所需弹性性能的材料。
引用
@article{arxiv.2412.06270,
title = {Machine learning interatomic potential for the low-modulus Ti-Nb-Zr alloys in the vicinity of dynamical instability},
author = {Boburjon Mukhamedov and Ferenc Tasnadi and Igor A. Abrikosov},
journal= {arXiv preprint arXiv:2412.06270},
year = {2025}
}
备注
21 pages, 9 figures