基于机器学习势的短程有序及其对 BCC NbMoTaW 多主元合金的影响
材料科学
2025-06-06 v1
摘要
我们采用由神经网络（NN）以双谱系数为描述符训练的机器学习力场，研究短程有序（SRO）对 BCC NbMoTaW 合金强化机制的影响。该 NN 原子间势提供了具有密度泛函理论精度的可迁移力场。这一新颖的 NN 势被用于阐明 SRO 对 NbMoTaW 多主元合金（MPEA）中弹性、振动模式、塑性与强度的影响。结果表明 Mo-Ta 对之间存在强吸引并形成局部有序 B2 结构，其可通过温度调控并随 Nb 含量增加而增强。SRO 提高了弹性常数与高频声子模式，并引入了位错运动的额外晶格摩擦。该方法可实现快速成分筛选，为具有更优性能的新型 MPEAs 的计算引导材料设计铺平道路，并开辟了通过工艺优化调控力学性能的途径。
引用
@article{arxiv.2207.09010,
title = {Short-range order and its impacts on the BCC NbMoTaW multi-principal element alloy by the machine-learning potential},
author = {Pedro A. Santos-Florez and Shi-Cheng Dai and Yi Yao and Howard Yanxon and Lin Li and Yun-Jiang Wang and Qiang Zhu and Xiao-xiang Yu},
journal= {arXiv preprint arXiv:2207.09010},
year = {2025}
}
备注
17 pages, 9 figures