基于 DFT 精度机器学习势的铅在冲击加载下的动态响应揭示
材料科学
2025-11-18 v1 机器学习
摘要
铅 (Pb) 是一种典型的低熔点塑性金属，在动态响应研究中作为重要的模型材料。其在冲击波加载下的动态力学行为包含两个关键现象：塑性变形和冲击诱导相变。这些过程的底层机制仍然 poorly 理解。揭示这些机制对实验方法而言仍具有挑战性。非平衡分子动力学 (NEMD) 模拟作为一种研究动态响应的替代理论工具，能够捕捉原子尺度的机制，如缺陷演化和变形路径。然而，由于经验间隙势的精度有限，先前的 NEMD 研究可靠性受到质疑。我们运用新开发的用于铅-锡合金的机器学习势，重新考察了在 various shock orientations下对冲击加载反应的晶体结构演化。结果表明，沿 [001] 方向的冲击加载表现出快速、可逆且大规模的相变和堆积错位演化。铅的行为与先前研究不同之处在于塑性变形期间不存在双晶形成。沿 [011] 方向的加载导致缓慢、不可逆的塑性变形，以及在 Pitsch 取向关系中的局部 FCC-BCC 相变。该研究为铅的动态力学响应提供了关键理论见解，为理解极端条件下晶体结构-性能关系提供了理论依据。
引用
@article{arxiv.2511.12995,
title = {Revealing the dynamic responses of Pb under shock loading based on DFT-accuracy machine learning potential},
author = {Enze Hou and Xiaoyang Wang and Han Wang},
journal= {arXiv preprint arXiv:2511.12995},
year = {2025}
}