基于经典势引导采样与自动构型重构的金属大尺度缺陷建模
材料科学
2025-06-10 v2
摘要
位错网络与一般晶界等大尺度缺陷普遍存在于金属中，准确建模这些缺陷对于理解其变形机制至关重要。现有的机器学习原子间势（MLIPs）往往难以充分描述这些缺陷，因为其显著特征尺度超出了第一性原理计算的算力极限。本研究通过经验原子间势引导采样建立全面的缺陷基因组，应对上述挑战。为进一步在该缺陷基因组上实现精确的第一性原理计算，我们开发了一种自动构型重构技术。该方法利用巨正则蒙特卡洛模拟，通过精确插入原子将缺陷原子团转化为周期性构型。这些策略使得开发用于建模金属大尺度缺陷的高精度、可迁移 MLIPs 成为可能。以体心立方钨为模型体系，我们开发的 MLIP 在纳米压痕模拟中揭示了独特的塑性机制。该框架不仅提升了晶体材料大尺度缺陷建模的精度，还通过缺陷基因组的策略性利用，为 MLIPs 的进一步发展奠定了坚实基础。
引用
@article{arxiv.2411.07367,
title = {Modeling Extensive Defects in Metals through Classical Potential-Guided Sampling and Automated Configuration Reconstruction},
author = {Fei Shuang and Kai Liu and Yucheng Ji and Wei Gao and Luca Laurenti and Poulumi Dey},
journal= {arXiv preprint arXiv:2411.07367},
year = {2025}
}