Cu-W体系的机器学习势
材料科学
2024-06-12 v1
摘要
结合Cu优异的导热和导电性能与W的高耐磨性和热稳定性，Cu-W纳米颗粒增强金属基复合材料和纳米多层膜正被应用于钎焊填料以及等离子体和辐射屏蔽材料。由于面心立方Cu和体心立方W之间存在大的晶格失配，这些体系具有复杂的界面，超出了从头计算方法的适用尺度，因此推动了化学精确原子间势的发展。本文在Behler-Parrinello框架内，利用一个精心策划的、捕捉了冶金学相关局部原子环境的训练数据集，开发了Cu-W的神经网络势。该Cu-W神经网络势能够准确预测：(i) 单质Cu和W的冶金性能（弹性、堆垛层错、位错、热力学行为）；(ii) Cu-W金属间化合物和固溶体的能量与结构；以及(iii) 一系列面心立方Cu/体心立方W界面，并对固态W/液态Cu体系展现出物理上合理的行为。正如即将开展的工作将展示的那样，这个接近从头计算精度的神经网络势可用于理解Cu-W复合材料中涉及界面驱动过程和性质的复杂现象。
引用
@article{arxiv.2406.07157,
title = {Machine learning potential for the Cu-W system},
author = {Manura Liyanage and Vladyslav Turlo and W. A. Curtin},
journal= {arXiv preprint arXiv:2406.07157},
year = {2024}
}
备注
Submitted, yet unpublished