基于神经网络潜能的W-Cu合金的结构与力学性能
材料科学
2025-01-27 v2 机器学习
摘要
钨铜(W-Cu)合金因其卓越的机械性能而广泛应用于各类工业领域。本研究开发了覆盖温度范围为0至3000 K、压力范围为0至10 GPa的神经网络深度潜能(DP)模型。该模型基于密度泛函理论(DFT)数据训练，用于完整浓度CuxW100-x合金。通过该模型，我们系统地研究了W-Cu合金的结构与力学性能，主要发现：首先，W-Cu合金的体模(B)和杨氏模(E)随铜含量的增加而线性下降，表明CuxW100-x合金随铜浓度升高呈软化趋势。其次，更高的铜含量导致这些合金的临界应变提高、临界应力降低。在预测的变形模式下，约37.5 at.%铜含量处预计出现脆- ductile 转变。第三，进行W-Cu梯度结构的拉伸加载测试发现，铜贫乏区域作为阻碍剪切带传播的屏障，而在铜富集区域促进新的剪切带形成。上述DP模型结果有望帮助探索W-Cu体系中复杂现象的物理机制，并推动材料模拟方法的发展。
引用
@article{arxiv.2501.12558,
title = {Structural and mechanical properties of W-Cu compounds characterized by a neural-network-based potential},
author = {Jianchuan Liu and Tao Chen and Sheng Mao and Mohan Chen},
journal= {arXiv preprint arXiv:2501.12558},
year = {2025}
}