Interatomic potential theory on the phase transition of charge density wave in transition metal dichalcogenides
过渡金属二硫族化物的电荷密度波（CDW）的模式和周期表现出复杂的相图，取决于压力，温度，金属嵌入，或硫族合金。在唯象朗道自由能模型的背景下，相图已经被理解，但它们背后的微观机制仍然不清楚。在这里，我们提出了一个新的微观理论的基础上的原子间势，并明确计算了温度依赖的相图使用从第一性原理计算提取的原子间势。利用详细的原子结构，计算得到的单层H-TaSe 2相图成功地再现了实验特征，如公度锁定和条纹相。我们的工作表明，电荷密度波的复杂行为起源于相对简单的原子间势结构，并阐明了晶格非谐性对CDW相变的作用。
2022-01-04 cond-mat.mtrl-sci
Phosphorus-based lubricant additives on iron with Machine Learning Interatomic Potentials
Università di Bologna（博洛尼亚大学）；TotalEnergies（道达尔能源）
本研究通过机器学习分子动力学模拟分析了三种基于磷的润滑剂添加剂在铁表面的摩擦学性能，揭示了分子结构对摩擦特性的影响及优化设计策略。
2025-12-29 cond-mat.mtrl-sci
Modeling changes in atomic structure around a vacancy with increasing temperature and calculation of temperature dependences of vacancy characteristics in bcc iron
本文提出自然恒温器算法模拟温度对原子间距离的影响，发现含空位系统中前十个配位球半径随温度线性增加，但系数不同于完美晶体热膨胀系数，并计算了bcc铁中空位形成能与弛豫体积的温度依赖性，对精确计算原子扩散系数具有重要意义。
2025-10-18 cond-mat.mtrl-sci
Carbon phase diagram with empirical and machine learned interatomic potentials
在目前的工作中，我们详细介绍了如何多体势能景观的碳原子间的潜力，可以探索利用嵌套采样算法，允许计算他们的压力-温度相图高的压力。我们提出了一个比较三个原子间的潜力模型，Tersoff，EDIP和GAP-20，专注于他们的宏观性质，特别是在他们的熔融转变和识别的结晶稳定的固体结构，至少100 GPa。所研究的模型都是在较低的压力下冻结形成石墨结构，然后随着压力的增加形成金刚石结构。在Tersoff和EDIP模型的情况下，我们能够定位这些阶段之间的过渡。我们特别关注最先进的机器学习（ML）模型GAP-20，并计算了高达1 TPa的相图，以评估其预测能力，远远超出模型的拟合条件。相图显示出一个非常好的协议与实验相图高达200 GPa，尽管各种意想不到的石墨层间距。在此之上，嵌套采样确定了两种新的稳定固体结构，应变金刚石结构和800 GPa以上的应变六方密堆积结构。然而，这两个阶段的稳定性并没有通过DFT计算得到证实，这突出了进一步改进ML模型的潜在途径。
2022-08-20 cond-mat.mtrl-sci
Solid-Liquid Phase Diagrams for Binary Metallic Alloys: Adjustable Interatomic Potentials
我们开发了一种新的方法来确定合金的LJ-EAM势，并使用这些来确定二元金属合金的固-液相图，使用Kofke的吉布斯-杜亨积分技术结合半随机正则蒙特卡罗模拟。我们证明，它是可能的，以产生广泛的实验观察到的二元相图（没有金属间相）通过参考的两种元素材料的原子大小和内聚能。在某些情况下，使用单个可调参数来调整相图是有用的（我们为这个自由参数提供了一个很好的选择）。接下来，我们进行了系统的调查的相对原子大小和结合能的元素上的二元相图的效果。然后，我们表明，这种方法导致良好的协议与几个实验的二元相图。这种方法的主要好处不是准确地再现实验相图，而是提供一种方法，通过这种方法可以在模拟研究中连续改变材料的性质。这是使用原子模拟以实验无法获得的方式理解机制和属性的关键之一。
2006-11-20 cond-mat.mtrl-sci
Machine Learning-Driven Structure Prediction for Iron Hydrides
本研究创建结合机器学习原子间势与最小跳跃算法的计算工作流，生成氢化铁通用机器学习势并探索其不同压力下的能量景观，通过结构预测重现已知结构并发现新低焓结构，证实方法有效性。
2023-11-10 cond-mat.mtrl-sci
Gaussian Approximation Potential: an interatomic potential derived from first principles Quantum Mechanics
在原子水平上模拟材料是研究微观结构和过程的重要工具。量子力学正确地描述了模拟所需的原子相互作用。然而，求解量子力学方程所需的计算资源将量子力学的使用限制在最多几百个原子，并且仅限于可用构型空间的一小部分。本论文介绍了我在发展一种新的原子间相互作用势产生方案方面的研究成果，我们称之为高斯近似势。在我们的框架中，量子力学的势能面被内插在一组预定值之间的原子构型空间中的不同点的非线性，非参数回归方法，高斯过程。为了进行拟合，我们用双谱来表示原子环境，双谱对邻域中原子的排列和全局旋转是不变的。其结果是一个通用的方案，允许一个生成原子间的潜力的基础上任意的量子力学数据。我们使用从密度泛函理论获得的数据建立了一系列高斯近似势，并测试了该方法的能力。我们表明，我们的模型再现的量子力学势能面非常好的IV族半导体，铁和氮化镓。我们的潜力，同时保持量子力学的准确性，比量子力学方法快几个数量级。
2010-03-14 cond-mat.mtrl-sci physics.chem-ph
Atomistic Graph Neural Networks for metals: Application to bcc iron
基于从头算精确模拟的晶体的原子结构和性质（包括缺陷）的预测对于揭示控制金属的微观和宏观行为的纳米尺度机制是必不可少的。密度泛函理论（DFT）可以实现对这些性质中的一些性质的量子精确预测，但是计算成本很高，因此仅限于约1,000个原子的系统。为了以量子精度预测涉及数千到数百万个原子的纳米级结构的力学行为，最近开发了机器学习原子间势。在这里，我们探索了基于图神经网络（GNNs）的一类新的原子间势的性能，这是深度学习的一个最新研究领域。两个国家的最先进的GNN模型被认为是，SchNet和DimeNet，并在广泛的铁磁性体心立方铁的DFT数据库上训练。我们发现，包括三体项的DimeNet GNN Fe势可以用DFT精度再现状态方程和贝恩路径，以及缺陷配置（空位和表面）。据我们所知，这是GNN再现体心立方铁中缺陷能量学的能力的第一次证明。我们提供了DimeNet的开源实现，可用于训练其他金属系统，以进一步探索GNN功能。
2021-09-28 cond-mat.mtrl-sci
$\textit{Ab initio}$ construction of full phase diagram of MgO-CaO eutectic system using neural network interatomic potentials
虽然几项研究证实，机器学习电位（MLP）可以提供准确的自由能，用于确定相稳定性，MLP的能力，有效地构建一个完整的多组分系统的相图尚未建立。在这项工作中，通过采用神经网络原子间相互作用势（NNPs），我们证明了建设的MgO-CaO共晶相图的温度高达3400 K，其中包括液相。NNP是在密度泛函理论（DFT）中计算的几种组成下的各种固相和液相的轨迹上训练的。对于电子间的交换关联能，我们比较了PBE和SCAN泛函。的相边界，如固相线，固溶线，液相线确定的自由能计算的基础上的热力学积分或semigrand合奏方法，并在相图中的显着特点，如溶解度极限和共晶点得到很好的再现。特别是，由SCAN-NNP产生的相图密切遵循实验数据，表现出测量范围内的共晶成分和温度。粗略估计，整个过程比纯DFT方法快1,000倍以上。我们相信，这项工作铺平了道路，充分$\textit{ab initio}$计算相图。
2022-08-25 cond-mat.dis-nn cond-mat.mtrl-sci physics.comp-ph
Machine-learned Interatomic Potentials for Alloys and Alloy Phase Diagrams
我们引入机器学习的潜力Ag-Pd来描述能量的合金配置在很宽的范围内的组成。我们比较两种不同的方法。矩张量势（MTP）是原子间距离和角度的多项式函数。高斯近似势（GAP）框架使用核回归，我们使用原子位置的平滑重叠（SOAP）表示原子邻域，该原子邻域由邻域密度的球形傅立叶变换的功率谱提供的一组完整的旋转和置换不变量组成。这两种类型的潜力提供了很好的精度为广泛的组合物和竞争对手的集群扩展，该系统的基准的准确性。虽然这两种模型都能够描述远离晶格位置的小变形，但SOAP-GAP在可转移性方面表现出色，如配置之间的合理转换路径所示，而MTP由于其较低的计算成本而允许计算组成相图。考虑到这两种方法的表现以及集群扩展，但会产生非晶格模型，我们希望他们在合金的计算材料建模开辟新的途径。
2019-07-09 cond-mat.mtrl-sci physics.comp-ph
dpti: An Automated Thermodynamic Integration Workflow for Phase Diagram Calculations with Machine Learning Interatomic Potentials
University of Alabama at Birmingham（阿拉巴马大学伯明翰分校）；Princeton University（普林斯顿大学）；University of Science and Technology of China（中国科学技术大学）；Suzhou Institute for Advanced Research, University of Science and Technology of China（中国科学技术大学苏州高等研究院）；Suzhou Big Data & AI Research and Engineering Center（苏州大数据与人工智能研究与工程中心）；AI for Science Institute（科学智能研究所）；DP Technology（深势科技）；Institute of Applied Physics and Computational Mathematics（应用物理与计算数学研究所）；College of Engineering, Peking University（北京大学工学院）
研究针对机器学习原子间势的热力学积分计算难题，开发dpti开源Python包，通过可逆积分路径连接参考系统与目标体系，自动化相图计算流程，给出示例验证其有效性。
2026-07-07 cond-mat.mtrl-sci physics.comp-ph
Lattice dynamical calculations of infinite layer iron oxides SrFeO2 and CaFeO2
我们报告了新发现的无限层铁氧化物SrFeO2和CaFeO2的广泛的晶格动力学计算。对于SrFeO2，原子间势的参数已被确定，以重现使用从头计算报告的带中心声子频率。此外，我们已经扩展了潜在的CaFeO2的计算模型。势参数被发现是可转移的两种化合物之间，并被用来计算在整个布里渊区的声子谱和这些化合物的一些热力学性质。计算结果与原子结构、热膨胀和均方振幅的实验数据吻合较好。
2008-07-04 cond-mat.mtrl-sci
Benchmarking empirical and machine-learned interatomic potentials using phase diagram predictions for Lead
University of Warwick（华威大学）；University of Cambridge（剑桥大学）；Tohoku University（东北大学）
本文比较了三种不同原子间势能模型对铅相行为的预测，揭示了训练数据和模型灵活性对高压相行为描述的重要性，并展示了嵌套采样在材料相稳定性探索中的有效性。
2026-05-15 cond-mat.mtrl-sci cond-mat.stat-mech
Development of an Atomic Cluster Expansion potential for iron and its oxides
Max Planck Institute for Sustainable Materials（马克斯·普朗克可持续材料研究所）；Interdisciplinary Centre for Advanced Materials Simulations, Ruhr Universität Bochum（波鸿鲁尔大学跨学科高级材料模拟中心）
本文提出基于原子簇展开的机器学习势，用于建模铁氧系统，考虑磁性，验证其在铁及其氧化物的热力学描述中的能力。
2024-07-18 cond-mat.mtrl-sci
Interatomic Fe-Cr potential for modeling kinetics on Fe surfaces
为了使精确的分子动力学模拟的铁铬合金的表面，我们开发，基于密度泛函理论（DFT）计算，一个新的原子间的铁铬Tersoff形式主义的潜力。相反，以前的潜在的模型，这已被设计为散装Fe-Cr，我们扩展我们的潜在的拟合数据库，不仅包括传统的散装性能，但也在体心立方铁的Cr的表面偏析能。在再现我们的DFT结果的散装性能，新的潜力被发现是优于以前开发的Tersoff势和竞争力的浓度依赖性和双带嵌入原子方法的潜力。对于Cr向Fe-Cr合金表面的偏析，只有新的电位与我们的DFT计算一致，预测Cr优先偏析到最顶层的表面层，而不是其他电位优选的第二层。我们希望这次整改能促进未来的研究，例如，从原子水平上研究不锈钢的耐腐蚀机理。
2021-05-26 cond-mat.mtrl-sci
Atomic Cluster Expansion for a General-Purpose Interatomic Potential of Magnesium
本研究提出了镁的通用原子团簇展开（ACE）参数化方案，该方案在宽范围原子环境下可迁移性优异，能准确计算块体、缺陷性质及3000K/80GPa范围内的相图，性能优于多种现有原子间势，是唯一与实验相图高度吻合的模型。
2023-05-05 cond-mat.mtrl-sci
PASS: Perturbation augmented space group structure sampling for transferable Fe-O machine learning interatomic potential
Delft University of Technology（代尔夫特理工大学）；Institute of Mechanics, Chinese Academy of Sciences（中国科学院力学研究所）
本研究提出PASS方法生成Fe-O体系小晶胞数据集，基于ACE框架开发可迁移MLIP，经多性质验证，可用于大规模Fe氧化模拟。
2026-11-02 cond-mat.mtrl-sci physics.comp-ph
Machine Learning Interatomic Potential for Simulations of Carbon at Extreme Conditions
已经开发了一种光谱邻居分析（SNAP）机器学习原子间势（MLIP），用于模拟极端压力（高达5 TPa）和温度（高达20，000 K）下的碳。这是通过使用实验相关的量子分子动力学（QMD）数据的大型数据库，使用强大的机器学习方法训练SNAP势，并对QMD和实验数据进行广泛验证来实现的。所得到的碳MLIP在预测碳相图、晶相熔化曲线和冲击Hugoniot方面表现出前所未有的准确性和可转移性，所有这些都在QMD的3%以内。通过在领导级高性能计算系统上实现量子精度和高效实现，SNAP通过在实验时间和长度尺度上实现原子尺度的洞察力，推进了经典MD模拟的前沿。
2022-05-02 cond-mat.mtrl-sci
A general-purpose machine learning Pt interatomic potential for an accurate description of bulk, surfaces and nanoparticles
本文提出一种基于DFT数据训练的铂高斯近似机器学习原子间势，在体相、表面和纳米颗粒性质上展现出高精度与优异迁移性，并以相图计算和纳米颗粒结晶研究验证了其建模能力。
2023-04-05 cond-mat.mtrl-sci
To crack, or not to crack: How hydrogen favors crack propagation in iron at the atomic scale
Zernike Institute for Advanced Materials, Faculty of Science and Engineering, University of Groningen（格罗宁根大学科学工程学院泽尔尼克高级材料研究所）；Engineering and Technology Institute Groningen (ENTEG), Faculty of Science and Engineering, University of Groningen（格罗宁根大学科学工程学院工程与技术研究所）
本研究通过分子动力学模拟揭示氢在铁中促进裂纹扩展的机制，发现氢扩散和表面能变化是导致脆化的关键因素，并提出改进的格里菲斯准则。
2025-12-14 cond-mat.mtrl-sci
On phase separation and crystallization of Ge-rich GeSbTe alloys from atomistic simulations with a machine learning interatomic potential
University of Milano-Bicocca（米兰比可卡大学）
本文提出一种机器学习互原子势，用于模拟Ge富GeSbTe合金的相分离与结晶过程，揭示短时间操作条件下动力学效应导致的非平衡相变机制。
2026-04-15 cond-mat.dis-nn cond-mat.mtrl-sci
Atomistic fracture in bcc iron revealed by active learning of Gaussian approximation potential
体心立方（bcc）铁的原子断裂机制的预测是理解其半脆性的本质。现有的基于经典原子间作用势的I型载荷下裂纹尖端变形机制的原子模拟产生了相互矛盾的预测。为了使断裂预测与量子精度，我们开发了一个高斯近似势（GAP）使用主动学习策略，通过扩展铁磁体心立方铁的密度泛函理论（DFT）数据库。我们应用主动学习算法，并获得一个Fe GAP模型的最大预测误差为8毫电子伏/原子在广泛的应力强度因子（SIF）和四个裂纹系统。分析了该方法的学习效率，并将预测的临界应力强度因子与Griffith和Rice理论进行了比较。模拟结果表明，在T= 0 K时，{100}和{110}裂纹面的裂尖机制均为沿原裂纹面的解理，从而解决了一个长期存在的争论。我们的工作还强调了需要一个多尺度的方法来预测断裂和内在的延展性，有限的温度，有限的加载速率的影响和预先存在的缺陷（如纳米空隙，位错）应明确考虑。
2022-09-14 cond-mat.mtrl-sci
Magnetic bond-order potential for iron-cobalt alloys
本研究提出一种适用于铁钴合金的解析磁性键序势，经DFT数据拟合后可准确描述Fe-Co体系的电子结构、结构稳定性等特性，适用于大规模原子模拟。
2023-05-08 cond-mat.mtrl-sci
A Machine-Learned Spin-Lattice Potential for Dynamic Simulations of Defective Magnetic Iron
发展了一种机器学习的磁性铁的自旋-晶格原子间相互作用势（MSLP），并将其应用于介观尺度缺陷。它是通过增加一个自旋晶格哈密顿与神经网络项训练的描述符表示的混合本地原子配置和磁环境。它再现了具有各种磁状态的BCC和FCC相的结合能。它预测了点缺陷的形成能和复杂的磁结构，与密度泛函理论（DFT）定量一致，包括缺陷核心附近的磁矩的反转和猝灭。居里温度是通过自旋晶格动力学计算的，在高温下显示出良好的计算稳定性。势被应用于研究相当大的位错环附近的磁涨落。MSLP超越了目前使用DFT和分子动力学的治疗，并超越了其他自旋晶格势，只处理接近完美的晶体情况。
2022-05-10 cond-mat.dis-nn cond-mat.mtrl-sci physics.atom-ph
Helium-iron compounds at terapascal pressures
我们用第一性原理计算研究了氦和铁的二元相图。我们发现，氦，这是一种稀有气体和惰性在环境条件下，形成稳定的晶体化合物与铁在Terapascal压力。FeHe化合物在4 TPa以上变得稳定，而FeHe $_2$化合物在12 TPa以上变得稳定。熔化的分子动力学模拟进行了研究，并与氦原子的亚晶格熔化的超离子相的预测。我们讨论了我们预测的氦-铁相图的巨大（外）行星和白矮星的内部的影响。
2018-06-08 astro-ph.EP cond-mat.mtrl-sci
Construction and Tuning of CALPHAD Models Using Machine-Learned Interatomic Potentials and Experimental Data: A Case Study of the Pt-W System
本研究提出开源高效的PhaseForgePlus工作流，结合机器学习势与实验数据构建校准CALPHAD模型，以Pt-W体系验证其可通过梯度优化快速得到准确相图的吉布斯能描述。
2025-08-01 cond-mat.mtrl-sci physics.comp-ph
Nonharmonic Phonons in $α$-Iron at High Temperatures
利用核共振非弹性X射线散射测量了bcc结构$α$ - $^{57}$ Fe的声子态密度（DOS），从室温到1044 K居里跃迁和1185 K fcc结构$γ$ -Fe相变.在较高的温度下，所有的声子转移到较低的能量（软化）与热膨胀，但低横模软化尤其迅速高于700 K，显示出强烈的非谐波行为，持续通过磁过渡。bcc相的原子间力常数通过使用遗传算法优化的实验声子谱迭代拟合Born-vonKármán模型获得。次近邻拟合的轴向力常数随温度升高而显著减弱。一个不寻常的大非谐行为的报告，这增加了振动熵和占35毫电子伏/原子的自由能在高温下的贡献。对振动熵的非谐贡献遵循磁熵的热趋势，并且可能与磁激发耦合。还报道了横跨$α$ - $γ$结构相变的振动熵的小变化。
2014-04-24 cond-mat.mtrl-sci
Spin and orbital magnetic moments of size-selected iron, cobalt, and nickel clusters and their link to the bulk phase diagrams
用x射线磁性圆二色光谱测定了铁、钴和镍阳离子团簇的自旋和轨道磁矩。在$n = 10 - 15$原子的尺寸范围内，由于$3d$的多数自旋带被完全填充，这些团簇显示出强铁磁性，每个空$3d$态的最大自旋磁矩为1~ $μ_B$。唯一的例外是$\mathrm{Fe}_{13}^+$，其中检测到每个未占据的$3d$状态的$0.73 \pm 0.12$ ~ $μ_B$的异常低的平均自旋磁矩;这种效应在$\mathrm{Co}_{13}^+$和$\mathrm{Ni}_{13}^+$中都没有观察到。这种独特的行为可以链接到反铁磁，顺磁，或铁，钴，镍各自的块体相图中的相的存在和可访问性。与实验数据相比，现有的密度泛函理论计算似乎普遍低估了自旋磁矩显着。在所有研究的团簇中，由于晶场的对称性降低，轨道磁矩淬灭到原子值的$5 - 25$ \，\%。磁各向异性能量远低于每原子65 $μ$ eV。
2014-02-04 cond-mat.mtrl-sci physics.atm-clus
Active learning potentials for first-principles phase diagrams using replica-exchange nested sampling
Institute of Materials Chemistry, TU Wien（维也纳工业大学材料化学研究所）
本文提出基于复制交换嵌套采样的主动学习策略，用于生成训练数据和计算相图，展示其在硅、锗和钛中的有效性。
2025-12-13 cond-mat.mtrl-sci
Exploring the energy landscape of aluminas through machine learning interatomic potential
本文基于神经进化势方法构建了氧化铝的通用机器学习原子间势，通过迭代训练和最远点采样实现势能面穷尽采样，成功给出含过渡态氧化铝和α-Al₂O₃的相图并外推至极端条件，同时评估了γ-Al₂O₃结构模型。
2024-12-04 cond-mat.mtrl-sci
First-principles molten salt phase diagrams through thermodynamic integration
本研究提出从低成本力场向DFT训练的神经网络势进行热力学积分，以近经典势成本实现NaCl固-液相边界的第一性原理预测，并证明色散相互作用对准确性至关重要。
2023-06-04 cond-mat.mtrl-sci physics.chem-ph
Accelerating the prediction of inorganic surfaces with machine learning interatomic potentials
University of Minnesota（明尼苏达大学）
本文综述了利用机器学习原子间势加速无机表面预测的方法，涵盖第一性原理表面相图计算及数据驱动方法，旨在提升纳米尺度表面建模的预测能力。
2023-12-18 cond-mat.mtrl-sci cs.LG
Autonomous thermodynamically informed database generation for machine-learned interatomic potentials and application to magnesium
University of Warwick（华威大学）
本文提出了一种自主热力学引导的数据库生成方法，用于构建机器学习原子间势能模型，应用于镁，实现了在广泛压力和温度范围内的高精度描述。
2025-12-02 cond-mat.mtrl-sci
Extraordinary quasiparticle scattering and bandwidth-control by dopants in iron-based superconductors
由于晶体结构和掺杂方式的不同，铁基超导体的相图呈现出极大的多样性。利用角分辨光电子能谱（ARPES）系统地研究了化学取代对不同系列铁基超导体电子结构的影响。除了异价掺杂对费米面拓扑结构的控制外，我们还发现了两个更为显著的掺杂效应：1。准粒子散射的网站和带的依赖性;更重要的是2。在铁-阴离子层中通过等价和异价掺杂剂的普遍和显著的带宽控制。此外，我们还发现，通过施加化学压力或掺杂电子都可以实现带宽控制，但不能通过掺杂空穴来实现。这些结果与本文提供的其他结果一起，完成了掺杂剂的电子效应的微观图像，这有助于统一理解各种铁基超导体的各种相图和许多公开问题的解决方案。
2014-04-27 cond-mat.mtrl-sci cond-mat.supr-con
Hydrogen-stabilized multimodal high-index twin network in iron
University of Nevada, Reno（内华达大学里诺分校）；Rose-Hulman Institute of Technology（罗斯-赫尔曼理工学院）
本研究通过深度神经网络势和分子动力学模拟，发现氢稳定铁中{332}-{10 9 3}多模态孪晶网络并抑制去孪晶，导致后屈服硬化，揭示了中间相、氢和温度对孪晶路径和网络形成的控制作用。
2026-09-28 cond-mat.mtrl-sci
Navigating at Will on the Water Phase Diagram
尽管水的分子单位很简单，但它是一个具有挑战性的系统，因为它具有独特的丰富的多态性和预测但尚未证实的特征。引入一个新的广义坐标空间，捕捉原子间网络的拓扑结构的变化，我们能够系统地跟踪整个水的相图，包括晶体的成核以上和以下的熔点的液体，无定形和结晶形式之间的过渡。我们的方法，基于分子动力学和增强的采样/自由能计算技术，是不是特定的水，可以应用于非常不同的结构相变，铺平了道路，对连接在一系列材料的多晶型结构的动力学路线的预测。
2018-01-22 cond-mat.mtrl-sci
Statistical Thermodynamics and Ordering Kinetics of D019-Type Phase: Application of the Models for H.C.P.-Ti-Al Alloy
采用自洽场近似、静态浓度波近似和Onsager型动力学方程，建立了D 019相原子有序化的统计热力学和动力学描述，并应用于h. c. p. - Ti-Al合金有序-无序相变模型描述了h. c. p.固溶体向D 019相的相变。原子间相互作用参数估计的两个近似：一个假设温度无关的原子间相互作用参数，而另一个包括温度依赖的Ti-Al合金的交换能。部分Ti-Al相图（共存的有序相和无序相的平衡成分）的评估为这两种情况。分析了D 019型长程序（LRO）参量的时间依赖关系。的曲线（显示的LRO参数的演变）数值得到的温度无关的相互作用能和温度相关的。原子间相互作用能的温度依赖性加速了LRO弛豫，并减小了瞬时和平衡LRO参数随温度变化的值的扩散。热力学-热力学和动力学结果表明，在高温下，非化学计量比（其中合金组分的原子分数大于0.25）的平衡LRO参数可以高于化学计量比。实验相图证实了h. c. p.的预测（有序或无序）状态。钛铝合金
2014-06-01 cond-mat.mtrl-sci
Theoretical predictions of melting behaviors of hcp iron up to 4000 GPa
铁的高压熔化图是行星内部地球动力学建模的重要组成部分。尽管如此，现有的铁水数据显示出惊人的差异。在此，我们提出了一种有效的单相方法来捕捉极端条件下的铁的固-液转变。我们的基本思想是将统计矩方法推广到TPa区域来确定铁的密度。在此基础上，我们采用功-热等效原理将状态方程参数与熔化性质适当地联系起来。这种策略可以解释尖端的实验和从头算结果，而无需大量的计算工作量。我们的理论计算将有助于限制地球和超级地球的化学成分，内部动力学和热演化。
2022-09-17 cond-mat.mtrl-sci
Machine Learning Potentials for Alloys: A Detailed Workflow to Predict Phase Diagrams and Benchmark Accuracy
organization= Department of Materials Science；Engineering, Texas A\&M University , city= College Station , postcode= 77843 , state= TX , country= USA；organization= J. Mike Walker '66 Department of Mechanical Engineering, Texas A\&M University , city= College Station , postcode= 77843 , state= TX , country= USA；organization= Wm Michael Barnes '64 Department of Industrial；Systems Engineering, Texas A\&M University , city= College Station , postcode= 77843 , state= TX , country= USA
本文提出了一种利用机器学习势能预测合金相图并评估其准确性的高效工作流程。
2025-06-20 cond-mat.mtrl-sci
Size dependent phase diagrams of Nickel-Carbon nanoparticles
镍-碳纳米颗粒的富碳相图，相关的催化和催化化学气相沉积合成的碳纳米管，计算系统的尺寸高达约3纳米（807镍原子）。原子间相互作用的紧束缚模型驱动用于定位固体、核/壳和液体稳定域的巨正则蒙特卡罗模拟，作为尺寸、温度和碳化学势或浓度的函数。熔融是有利的碳从纳米颗粒表面掺入，导致在一个强大的相对较低的共晶温度和相图拓扑结构不同于散装。在我们理解纳米管生长机制时，应考虑到这一点。
2015-06-10 cond-mat.mtrl-sci physics.atm-clus
Stability of B2 compounds: Role of the $M$ point phonons
虽然许多二元化合物在热力学相图中具有B2（CsCl型）结构，但结构稳定性的来源还不清楚。在这里，我们专注于从材料项目中提取的B2结构的416个化合物，并从第一性原理研究这些化合物的动力学稳定性。我们证明了B2相位的稳定性取决于布里渊区中$M$点处的最低频率声子是否具有正频率。我们发现，原子间相互作用的第四个最近的邻居原子是必要的稳定这样的声子模式，这应该确定最小的截止半径，以保证精度构建二元化合物的原子间势。
2021-10-30 cond-mat.mtrl-sci
Evolution of magnetism in cerium doped LaCo2P2 crystals: a magnetic phase diagram
ThCr_2Si_2型磷化物ACo_2P_2（A=稀土元素）具有与铁砷化物相同的结构，但它们的磁性却截然不同。本文首次生长了一系列La_（1-x）Ce_xCo_2 P_2（x=0.0 ~ 1.0）单晶，并进行了结构和磁性表征。这使我们能够进行仔细的研究与铈含量的磁性的演变，并建立一个磁相图。我们发现，铈的引入诱导的c轴的快速下降和从铁磁（FM）反铁磁（AFM）状态的变化。通过第一性原理能带结构计算，我们发现随着c轴的缩短，P-P键的形成有效地驱动了AFM相互作用的增加，并最终导致了高掺杂区的AFM有序化.本文的研究结果对122个铁磷属化合物的结构崩塌和电磁性质之间的相互作用有一定的指导意义。
2017-02-20 cond-mat.mtrl-sci
Efficient Analytical Approach for High-Pressure Melting Properties of Iron
铁是地核的主要组成部分，但其高压熔化图仍不明确。在这里，我们提出了一个简单的分析方法来预测铁在深地球条件下的熔化特性。在我们的模型中，固相的非谐自由能直接由量子统计力学中的矩展开技术确定。这个基础与振动不稳定性的林德曼判据相结合，可以推导出熔化温度。此外，我们将热膨胀过程与剪切响应相关联，以解释熔化时原子体积、焓和熵的不连续性。我们的数值计算与最近的实验和模拟定量一致。所获得的结果将增进对地球结构、动力学和演化的了解。
2020-12-18 cond-mat.mtrl-sci
Phase diagram of iron-arsenide superconductors Ca(Fe1-xCox)2As2 (0 <= x <= 0.2)
片状单晶的Ca（Fe 1-xCox）2As 2系列具有横向尺寸高达15毫米和厚度高达0.5毫米，从高温溶液生长技术，使用锡助熔剂获得。在Co掺杂时，四元晶胞的c轴减小，而a轴示出不太显著的变化。原始的CaFe 2As 2显示了一个组合的自旋密度波和结构转变T = 166 K附近，逐渐转移到较低的温度和分裂，随着Co掺杂。这两个过渡突然终止在xc = 0.075的临界Co浓度。当x \geq 0.05时，超导性出现在低温下，最大转变温度TC约为20 K.的超导体积分数增加与Co浓度高达x = 0.09，然后逐渐减少，进一步增加的掺杂水平。由磁化强度和电阻率数据绘制了Ca（Fe_（1-x）Cox）_2As_2（0 \leq x \leq 0.2）系列的电子相图。我们发现，Co掺杂的CaFe_2As_2的低温超导性能与以前报道的BaFe_2As_2有很大的不同。这些差异似乎与CaFe 2As 2相对于其Ba对应物的极压敏感性有关。
2010-11-09 cond-mat.mtrl-sci cond-mat.str-el cond-mat.supr-con
Structural and electronic response upon hole-doping of rare-earth iron oxyarsenides Nd1-xSrxFeAsO (0 < x < 0.2)
空穴掺杂的NdFeAsO通过部分取代Nd 3+的Sr 2+是一个成功的路线，以获得超导相（Tc = 13.5 K的Sr 2+含量为20%），然而，掺杂的结构和电子的响应是不同的和非对称的，在电子掺杂侧的相图。
2008-09-10 cond-mat.mtrl-sci cond-mat.supr-con
Emergence of magnetism and controlling factors of superconductivity in Li/Na-ammonia co-intercalated FeSe1-zTez
碱-氨共插层FeSe的超导性的发现引起了人们极大的兴趣，因为它们在铁硫系超导体中具有最高的Tc（~ 45 K）。本文报道了两个系列Li/Na-氨共插层FeSe_（1-zTez）的相图。当Te掺杂抑制超导电性时，出现磁有序态。此外，还发现了一种可能具有反铁磁性的新相Lix（NH_3）yFe_（2-δ）Te_（2）。这有力地表明了这些材料中超导性和磁性之间的密切关系，就像其他铁基超导体一样。另一方面，与FeSe 1-zTez的比较结构分析表明，尽管铁硫族化物和铁磷族化物超导体的相图具有显着的相似性，但具有不同电荷的不同类型的阴离子导致两类材料的超导性的不同控制因素。这为我们提供了一个机会，可以用更多的方式来调整铁硫族化物超导体的超导性。
2014-12-06 cond-mat.mtrl-sci cond-mat.supr-con
Hydrostatic and uniaxial pressure tuning of iron-based superconductors: Insights into superconductivity, magnetism, nematicity and collapsed tetragonal transitions
铁基超导体以其有趣的相图而闻名，该相图显示了电子，磁性和结构自由度的复杂相互作用。在观察到的相变中有超导、磁性和几种类型的结构转变，包括四边形到正交晶系和四边形-四边形转变。特别地，广泛观察到的四方晶到斜方晶的转变被认为是与晶格耦合的电子有序的结果，因此被称为四方晶转变。因此，向列性是这些材料的一个突出特征，这表明了电子和晶格性质耦合的重要性。相应地，这些系统特别容易通过压力（流体静力学、单轴或某种组合）进行调谐。我们审查的努力，以探测压力调谐铁基超导体的相图，强烈关注我们自己最近的见解，这类材料的几个成员在静水压力下的相图。这些研究FeSe，Ba（Fe $_{1-x}$ Co $_x$）$_2$ As $_2$，Ca（Fe $_{1-x}$ Co $_x$）$_2$ As $_2$和CaK（Fe $_{1-x}$ Ni $_x$）$_4$ As $_4$，在很大程度上，由于在不同压力环境下使用的测量方法的进步而成为可能。我们指出了这些工具的潜在影响更广泛的类强关联电子系统的研究。
2020-05-19 cond-mat.mtrl-sci cond-mat.str-el cond-mat.supr-con
The high-pressure high-temperature phase diagram of calcium fluoride from classical atomistic simulations
我们研究了氟化钙（CaF 2）在压力下的相图，使用经典的分子动力学模拟进行了一个简单的两两原子间的Born-Mayer-Huffman形式的潜力。我们在0 < P < 20 GPa和0 < T < 4000 K条件下获得的结果揭示了丰富的多相边界，包括不同的晶体，超离子和液相，我们为所有这些提供了准确的参数化。有趣的是，我们预测了在6 < P < 8 GPa和1500 < T < 2750 K的窄的和实验可达到的热力学范围内存在三个特殊的三相点（即固-固-超离子、固-超离子-超离子和超离子-超离子-液体共存状态）。此外，我们研究的作用，短程排斥（SR）和长程吸引（LA）原子相互作用中的熔化线的预测与发现SR钙F和LA F-F的贡献是最具决定性的。
2013-02-08 cond-mat.mtrl-sci
exaPD: A highly parallelizable workflow for multi-element phase diagram (PD) construction
Ames National Laboratory, U.S. Department of Energy（艾姆斯国家实验室，美国能源部）；Iowa State University（爱荷华州立大学）；Los Alamos National Laboratory（洛斯阿拉莫斯国家实验室）
exaPD通过高效并行计算实现多组分相图构建，利用分子动力学和蒙特卡洛方法结合神经网络势能，提升自由能计算精度与效率。
2026-02-06 cond-mat.mtrl-sci
Efficiency, Accuracy, and Transferability of Machine Learning Potentials: Application to Dislocations and Cracks in Iron
University of Groningen（格罗宁根大学）；University of Cambridge（剑桥大学）
本文研究了机器学习势在大系统模拟中的效率、精度和可迁移性，通过铁的体心立方结构验证了其在位错和裂纹预测中的应用，展示了其在塑性和断裂特性中的表现，并探讨了不同数据库、ML包和截断半径对预测结果的影响。
2023-11-06 cond-mat.mtrl-sci
Machine-Learned Bond-Order Potential for Exploring the Configuration Space of Carbon
The University of Tokyo（东京大学）；Shinshu University（信州大学）
本研究提出了一种基于键序势的机器学习相互原子势，用于高效探索碳的构型空间，并通过多种任务验证其在材料发现中的应用潜力。
2025-12-05 cond-mat.mtrl-sci
Manifestations of Spinodal Decomposition into Dilute Pd$_{1-x}$Fe$_{x}$ "Phases" in Iron-Implanted Palladium Films: FMR Study
用铁磁共振和振动样品磁强计研究了铁离子注入钯膜制备的钯铁合金。样品显示出不同的多个FMR响应，这取决于铁离子注入的剂量。在770 K下的注入后退火不会使注入膜达到均匀的固溶体状态，正如从Pd-Fe相图中所预期的那样。相反，系统接近由多个磁相组成的稳定状态。铁磁共振谱表现出特定的相互作用的磁性层的堆栈的角度行为。这一观察结果，与磁力数据，表明钯-铁二元合金有一个以前未知的倾向，对调幅分解成同构相定义明确的铁浓度，因此，具有不同的温度的铁磁有序和饱和磁化。
2021-10-20 cond-mat.mtrl-sci physics.app-ph
Deciphering diffuse scattering with machine learning and the equivariant foundation model: The case of molten FeO
University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；Argonne National Laboratory（阿贡国家实验室）
本文以熔融 FeO 为例，评估等变基础模型 MACE-MP-0 从漫散射数据推断无序结构的能力，显示其有望突破经典原子间势的局限。
2024-03-01 cond-mat.mtrl-sci cs.LG
A nuclear-quantum-corrected machine-learning potential reveals quantum-enhanced hydrogen segregation at general grain boundaries in alpha-iron
Nippon Steel Corporation（日本钢铁株式会社）
该研究开发核量子修正的机器学习势NQC-PACE，通过巨正则模拟发现α-铁一般晶界处氢偏聚因核量子效应显著增强，为含轻元素量子效应的材料大规模分析提供了方法
2026-08-18 cond-mat.mtrl-sci quant-ph
